机器人视觉导航与探索一体化模型研究
来源：计算机工程与应用杂志2026年第14期北京时间：
作者：毛鹏军, 苗准, 陈振伟, 马铭泽, 刘晋嘉
单位：河南科技大学 机电工程学院，河南 洛阳 471003；
摘要：机器人视觉导航与探索是机器人学与计算机视觉两大领域深度交叉融合的关键研究方向，而将导航与探索二者视为相对独立的模块，会存在导航和探索所需的环境语义信息、时序语义信息常被重复提取却未共享的问题。为解决这一问题，提出视觉导航与探索一体化模型ETD，该模型使用EfficientNet作为特征提取网络，并在该网络基础上加入SCPA注意力机制，使得模型具备更全面的视觉特征建模能力。使用Transformer编码器增强模型对时序环境特征的序列建模能力，并在该网络的前馈神经网络层和自注意力层中分别加入MoE专家机制与因果注意力机制管道，使得模型具备处理目标有无被掩码时的导航与探索两种不同工作模式的动态自适应能力。研究结果表明，改进后的视觉处理模块使得模型在多个数据集上取得约3%至5%的导航成功率与5%至8%的探索航点余弦相似度的提升，增强了视觉导航与探索一体化模型对于视觉信息的高效利用。
关键词：ETD,EfficientNet网络,SCPA注意力机制,Transformer编码器,混合专家机制（MoE）,因果注意力机制管道
基金资助：国家自然科学基金（6177011431）。
