看见无形：用于温度与辐射感知 VLA 导航的物理引导视觉提示

arXiv:2610.07558v1 公告类型：交叉收录 摘要：视觉-语言-动作（VLA）模型已成为视觉与语言导航（VLN）的主要范式。然而，在安全关键设施中，辐射或温度骤升等不可见风险无法通过 RGB 相机检测，而针对每一种风险进行处理的成本高昂，需要新的编码器、新的数据以及模型重训练。我们提出 Physics-Guided Visual Prompting（PG-VP），这是一种即插即用的多模态感知模块，转而复用冻结的 VLA 模型已有的能力：避开可见障碍物。对于附近的辐射源或热源，PG-VP 通过物理引导的风险评估确定避让方向，并叠加一个在连续帧间移动的相应虚拟障碍物（动态视觉提示）。导航策略随后便会自然地绕开这一不可见危险。无论危险类型如何，都使用相同的虚拟障碍物，因此即使增加传感器，视觉提示模式也保持不变。当未检测到危险时，不渲染任何内容，策略的行为与未使用 PG-VP 时完全一致。我们使用 R2R-CE 和 RxR-CE 的 val-unseen 划分，在 OmniNav 上评估 PG-VP。它分别在 84.9% 和 83.2% 的情况下引导策略采取预期的低风险动作，代价是导航成功率分别下降 6.8 和 7.9 个百分点。我们还在存在真实热源和辐射源的不同场景中，使用真实机器人进行测试，整个过程均无需任何重训练。实测结果表明，PG-VP 能够有效避开这些不可见危险，面对热源和辐射源时，安全性最差的 10% 轨迹的平均安全性分别提升了 63.45% 和 32.59%。