核心观点 - LOVON框架创新性地整合大语言模型（LLMs）、开放词汇视觉检测和语言-运动映射模型，解决足式机器人在动态非结构化环境中长程目标导航的难题[2][5] - 该框架具备即插即用特性，兼容Unitree Go2、B2、H1-2等主流足式机器人平台，突破传统导航场景限制[2][19] - 在仿真与真实环境中均实现性能突破，如仿真成功率1.00（EVT为0.94），训练效率提升240倍[18] 技术架构 三大核心模块 - LLM任务规划器：分解长视野任务为子任务并动态调整顺序，例如“先跑向椅子再靠近行人”[16] - 开放词汇视觉检测：识别从背包、盆栽到汽车、宠物等开放类别目标，适配多样化场景[16] - 语言-运动模型（L2MM）：将指令直接转化为运动向量，实现精准速度与方向控制[16] 抗干扰视觉处理 - 采用拉普拉斯方差滤波技术过滤模糊图像帧，配合滑动平均滤波提升有效检测帧比例25%[11][12] 自适应执行逻辑 - 目标丢失时自动切换至搜索模式，新指令无缝衔接，外力干扰后快速重规划路径[14][15] 性能表现 仿真环境 - GymUnreal场景中成功率1.00（EVT为0.94），训练时间仅1.5小时（TrackVLA需360小时）[18] 真实世界 - 开放世界适配：识别大小形态各异目标并在陌生环境快速适应[23] - 多目标长程追踪：流畅执行“找椅子→找行人→找背包”等复杂任务链[23] - 动态环境鲁棒性：在螺旋楼梯、杂草丛等复杂地形稳定跟踪移动目标[23] - 抗干扰能力：目标移动或碰撞后快速重新锁定[23] 应用前景 - 覆盖家庭服务、工业巡检、野外科研等领域，推动足式机器人从实验室走向实际应用[21] - 通用框架设计加速技术落地，有望成为智能服务变革的关键技术[21]