Memory over maps论文讲解系列一：不构建地图，机器人如何记住并找到物体？

snowful world

32人浏览 · 2026-11-15 22:26:08

snowful world · 2026-11-15 22:26:08 发布

前言（碎碎念，可跳过）

很久没有更新博客了，原因有几点：一是之前的博客更多只是学习过程的记录，而随着学习深入，我发现自己缺乏深刻的感悟与思考，内容逐渐显得浅显且重复；二是今年的重心集中在保研上，精力有限，难以投入太多时间去学习那些对保研无直接帮助的内容。同时，我也在重新思考：究竟什么样的博客才真正符合我的需求？我的初衷并非为了教别人，而是记录自己的学习历程，分享思考过程。若能在这一过程中顺便帮助到他人，自然也是一件令人欣喜的事。

最近，我逐渐开始接触研究生阶段的学习，阅读论文、复现代码，过程远谈不上轻松。常常缺乏动力深入探究，陷入一种“感觉还有很多细节没弄明白，却提不起劲继续钻研”的困境。尤其在AI的辅助下，几乎所有问题都能迅速得到解答，但这种即时反馈反而让我更难真正理解背后的原理与逻辑。这成了一种看似高效实则浅薄的学习方式，令人感到疲惫而焦虑。

因此，我决定重新开始写博客。记录本身是一种自我驱动，它督促我向前走，也提醒我不能只停留在表面。我不愿让内容流于肤浅，更不想用AI代笔来敷衍愿意阅读这篇博客的人。我希望这里的每一篇文字，都是我真实思考的沉淀，是我在探索中留下的足迹。

当然，我会继续借助AI作为工具，因为它确实强大且实用。但更重要的是，在这个过程中，我也在不断反思：如何恰当地使用AI，
才能让它成为思维的延伸，而非替代思考的捷径。（此处AI润色，我的碎碎念没这么有文化，真的是即怕自己写得太过于随意，又怕AI润色的过于正式）

我目前的研究重点聚焦于具身智能相关方向。第一阶段的目标是系统性地理解一篇论文的整体框架，从宏观视角把握其核心脉络。以下将围绕七个关键部分展开介绍：

论文简介：简要说明论文的发表会议/期刊、发表时间、下载链接及开源代码地址等基本信息。
研究背景与核心问题：在当前大环境背景下，简要梳理已有解决方案的实现路径与技术特点；在此基础上，明确论文所关注的关键问题及其试图解决的具体挑战。
创新点：阐述作者为应对该问题所提出的独特思路或方法，突出其新颖性与关键突破（并随机补充一些个人小思考）。
完整流程：详细阐述论文所提出的整体研究流程。
源码结构：梳理项目目录结构，说明各主要文件夹与模块的功能分工，帮助读者快速定位核心代码。
实验数据：受硬件配置限制，我仅在部分数据上进行了测试与实验复现，无法保证完全复现每篇论文所展示的结果，这一局限性确实存在。目前我的设备尚不足以支持所有论文的完整复现，同时部分论文也未提供完整的实验流程脚本。因此，我主要选择那些思想具有启发性的研究进行学习与尝试——只要逻辑合理、不脱离实际，便值得深入探索。
运行与测试：详细介绍如何运行模型并测试数据，重点讲解参数含义及其设置依据（不涉及环境配置细节，建议结合 AI 工具根据本地情况灵活调整）。后续，我也将分多期展开介绍论文中每个部分的细节问题。

论文简介

论文全名为《Memory Over Maps: 3D Object Localization Without Reconstruction》，于2026年3月20日发表于IEEE/RSJ国际智能机器人与系统会议（IROS 2026），属于CCF-C类会议。论文PDF与GitHub代码仓库链接如下，可直接点击访问：

研究背景与核心问题

背景任务：基于视觉记忆的三维目标定位

这篇论文研究的是基于视觉记忆的三维目标定位（Visual-Memory-based 3D Object Localization）问题。

所谓基于视觉记忆的三维目标定位，是指机器人利用此前采集并保存的环境视觉信息，在接收到目标查询后，从历史观测中检索目标物体，并估计其在三维空间中的位置。

例如，当用户下达「在房间中找一副眼镜」的指令时，机器人首先需要分析此前扫描环境时采集的 RGB 图像、深度图像及对应的相机位姿等信息，检索可能包含眼镜的历史图像，并进一步判断目标是否存在于这些候选视角中。如果找到目标，则结合目标分割结果、深度信息以及相机位姿，将目标从二维图像中的像素区域转换为三维空间中的位置，并通过多视角信息融合获得更加可靠的定位结果。

最终，系统输出目标物体的三维位置估计，为后续的机器人导航、物体操作等具身任务提供空间目标信息。

传统解决方法：基于三维语义地图的目标定位

说明：本文所说的传统方法，主要指 Memory Over Maps 提出之前，研究中一类较为常见的基于显式三维场景表示的目标定位方法，并不代表所有已有方法都采用相同的技术流程。

这类方法通常会选择先构建环境的三维语义地图（3D Semantic Map），再利用该地图进行目标物体的检索与定位。

具体来说，首先利用机器人采集的 RGB-D 图像及对应的相机位姿信息，将二维图像中的像素结合深度信息反投影到三维空间，得到场景的三维几何表示，例如点云（Point Cloud）、体素网格（Voxel Grid）等。随后，通过视觉语言模型、目标检测模型或语义分割模型提取图像中的语义信息，并将这些信息与对应的三维空间位置进行关联和融合，从而构建同时包含几何信息与语义信息的三维语义地图。

在完成地图构建后，当系统接收到目标查询时，就可以根据文本或视觉语义特征，在三维语义地图中检索对应的目标物体，并获得其在场景中的三维位置，为后续的机器人导航和操作提供空间信息。

然而，这种方法也存在一定的局限性。首先，构建三维语义地图需要对采集到的多视角数据进行几何重建、语义特征提取以及跨视角信息融合，前期通常需要投入一定的计算时间和资源。其次，随着环境规模扩大以及地图精度和细节程度的提高，三维地图所需的存储空间也会相应增加，地图的构建与维护成本可能进一步上升。

核心问题

因此，一个值得思考的问题是：是否一定需要提前构建完整的三维语义地图，才能实现目标物体的三维定位？

如果机器人已经保存了带有相机位姿信息的历史 RGB-D 图像，能否直接从这些视觉记忆中检索目标物体，并在需要时恢复目标的三维位置，而不必提前重建整个环境？

创新点

Memory Over Maps 提出了一种基于视觉记忆的无全局地图目标定位方法。其核心思想是不再提前构建完整的三维场景表示，而是将预先采集的 RGB-D 关键帧及其对应的相机位姿保存为视觉记忆。

当系统接收到目标查询时，首先利用 SigLIP2 提取图像和文本特征，并通过** FAISS** 进行向量检索，从历史视觉记忆中找到 Top-K 候选图像。随后，使用视觉语言模型（VLM）对候选图像进行重新排序，过滤不包含目标物体的图像，并保留更有可能包含目标的视角。

在确定候选视角后，系统利用 SAM 3 对目标物体进行分割，结合对应的深度信息和相机位姿，通过深度反投影（Depth Backprojection）将目标从二维图像转换为三维点云，再通过多视角融合（Multi-view Fusion）获得目标物体的稀疏三维表示及位置估计。

通过这种方式，系统只需要恢复与当前查询目标相关的三维信息，而不需要预先构建整个环境的三维语义地图，从而减少前期场景索引的计算开销和存储需求。

小思考

下游导航任务：不构建完整地图，机器人如何导航？

完成目标物体的三维定位后，还需要考虑如何利用定位结果实现机器人的自主导航。

这里有一个值得思考的问题：Memory Over Maps 不提前构建完整的三维环境地图，那么机器人在缺少全局地图的情况下，如何前往目标位置？

一种思路是在定位目标后构建局部地图，再利用传统路径规划算法进行导航。而论文选择了另一种方案：使用基于 DD-PPO 训练的预训练 PointNav Policy。

实际上，无显式地图导航（Mapless Navigation）已经是一条较为成熟的研究路线。它不依赖预先构建的完整环境地图，而是根据机器人当前的深度观测和目标相对位置，直接预测下一步移动动作。

我觉得这个设计很有意思：既然论文希望摆脱完整三维地图的构建，那么在下游导航环节复用一个不依赖显式地图的导航策略，就成为了一个很自然的选择。这样既保持了整体方案的一致性，也让论文能够将研究重点集中在视觉记忆检索和三维目标定位上。

完整流程

在这里插入图片描述
此处直接引用论文中的流程图，整体流程已在前述创新点与导航部分梳理完毕，不再重复赘述。

源码结构

├── checkpoints
│   └── navigation		# DD-PPO PointNav 导航策略的模型权重
├── configs					# YAML 配置文件（针对不同基准测试的评估配置及 Demo 配置）
├── data							# 数据集存放
├── demo							# 交互式 3D 可视化工具（viser）
├── docs							# 使用文档
├── models						# 模型权重（我自己下载的）
│   ├── Qwen2.5-VL-3B-Instruct
│   └── sam3_fingsinz
├── scripts					# 环境安装与数据准备脚本
├── src
│   ├── cli					# 评估入口（每个基准测试对应一个入口）
│   ├── dataloaders		# 数据加载
│   ├── evaluation		# 评估指标累加器与评估辅助工具
│   ├── models
│   │   ├── navigation# DD-PPO PointNav 导航策略及多目标导航智能体
│   │   ├── retrieval	# 可插拔的特征提取器（默认使用 SigLIP2；支持 CLIP、ALIGN、FLAVA、Qwen3-VL-Embedding）
│   │   ├── segmentation# 基于文本提示的 SAM3 目标分割
│   │   └── vlm			# 视觉语言模型（Qwen2.5-VL）
│   ├── pipelines		# 论文方法的各个流程步骤（检索 → 定位 → 导航）
│   └── utils				# 投影、几何计算、数据加载、关键帧提取、空间融合等工具
└── third_party			# 第三方库（我自己下载的，用作者提供的环境安装脚本也会直接下载）
    ├── habitat-lab
    └── sam3

权重问题

项目中使用的模型权重主要来自 Hugging Face 和魔搭社区（ModelScope）。

其中，SigLIP2 的默认权重下载地址为 Hugging Face。首次运行时，程序会将模型权重下载并缓存到本地，后续运行通常可以直接从本地缓存加载。不过，在我的实际运行过程中，仍然需要通过网络连接 Hugging Face 获取相关资源。

Qwen2.5-VL 和 SAM 3 的模型权重默认也是Hugging Face，但我是从魔搭社区下载的，这样可以减少国内网络环境下获取模型权重的困难。

需要注意的是，论文原本使用的是 Qwen2.5-VL-7B-Instruct，而我下载的是 Qwen2.5-VL-3B-Instruct。主要原因是本地 GPU 显存不足以支持 7B 模型的运行，因此选择了参数量更小的 3B 版本。

但在实际复现过程中，即使不启用 VLM 模块，运行其他模型和仿真环境时，GPU 显存也已经接近或达到使用上限。因此，后续实验中我选择关闭了 VLM 重排序阶段，没有实际使用 Qwen2.5-VL 模型。

这也意味着，我目前的实验 Pipeline 与论文完整方法存在一定差异：在检索候选图像之后，跳过了 VLM Re-ranking 阶段，直接进入后续的目标分割与三维定位流程。

Sam3模型权重

Sam3模型权重是需要填写申请表的，但是我当时官方申请被拒绝了，是在魔塔社区找到的一个权重分享，我也不知道跟官方是否是完全一致。

sam3魔塔社区链接

为了更方便调用本地sam3模型，我也对官方代码进行了小小的修改，使得本地sam3模型地址可以通过参数配置文件yaml进行配置，在本地权重寻找失败之后再去找官方权重，这里也给出我修改的地方的介绍，虽然现在完全可以让agent直接操作进行修改。

sam3_segmenter.py（位于src/models/segmentation/）

1.首先是在初始化的时候添加权重地址的参数。
修改前

def __init__(self, device: str = "cuda", confidence_threshold: float = 0.0,
                 batch_size: int = 5):

修改后

def __init__(self, device: str = "cuda", confidence_threshold: float = 0.0,
                 batch_size: int = 5, checkpoint_path: str = None):

2.修改模型加载代码中的参数
修改前，默认从Hugging Face加载

self.model = build_sam3_image_model(
    device=device,
    load_from_HF=True
)

修改后，先进行判断本地权重是否存在，不存在再从Hugging Face加载

checkpoint = checkpoint_path

# 本地文件不存在时，回退到 SAM3 默认加载方式
if checkpoint and not os.path.isfile(checkpoint):
    logger.warning(
        "SAM3 本地权重不存在: %s，尝试默认 Hugging Face 加载",
        checkpoint,
    )
    checkpoint = None

logger.info(
    "SAM3 权重来源: %s",
    checkpoint if checkpoint else "Hugging Face",
)

self.model = build_sam3_image_model(
    device=device,
    checkpoint_path=checkpoint,
    load_from_HF=(checkpoint is None),
)

setup.py(位于src/evaluation/)

这里是调用SAM3Segmenter类的地方，添加权重地址调用参数文件对应参数
修改前

def load_sam3(args):
    """Load SAM3 segmenter."""
    from src.models.segmentation import SAM3Segmenter

    return SAM3Segmenter(
        device=args.device, confidence_threshold=args.sam3_confidence,
        batch_size=getattr(args, "sam3_batch_size", 5),
    )

修改后

def load_sam3(args):
    """Load SAM3 segmenter."""
    from src.models.segmentation import SAM3Segmenter

    return SAM3Segmenter(
        device=args.device, confidence_threshold=args.sam3_confidence,
        batch_size=getattr(args, "sam3_batch_size", 5),
        checkpoint_path=getattr(args, "sam3_checkpoint_path", None),
    )

demo.py(位于demo/)

这部分是可视化展示的时候调用的SAM3Segmenter类，同理添加权重地址调用参数文件对应参数
修改前

    sam3_segmenter = SAM3Segmenter(
        device="cuda",
        confidence_threshold=cfg_get(cfg, "sam3", "confidence"),
        batch_size=cfg_get(cfg, "sam3", "batch_size"),
    )

修改后

    sam3_segmenter = SAM3Segmenter(
        device="cuda",
        confidence_threshold=cfg_get(cfg, "sam3", "confidence"),
        batch_size=cfg_get(cfg, "sam3", "batch_size"),
        checkpoint_path=cfg_get(cfg, "sam3", "checkpoint_path"),
    )

config.py(位于src/utils/)

这个是参数配置的文件，Ctrl+F搜索sam3

args.sam3_confidence = cfg_get(cfg, "sam3", "confidence")
args.sam3_batch_size = cfg_get(cfg, "sam3", "batch_size")

在这两行下面添加

args.sam3_checkpoint_path = cfg_get(cfg, "sam3", "checkpoint_path")

base.yaml(位于configs/)

最后就是修改配置文件，base.yaml是所有配置文件的基础，在这里可以添加权重路径的占位。
修改前

sam3:
  confidence: 0.0
  batch_size: 3

修改后

sam3:
  confidence: 0.0
  batch_size: 3
  checkpoint_path: null

然后就可以在最终使用的配置文件hm3d.yaml或者demo.yaml（取决于你要用的配置文件）中添加

sam3:
	checkpoint_path: [你的权重地址]

实验数据

本次实验主要使用 HM3D 数据集中的 TEEsavR23oF 场景，因此本节主要介绍 HM3D 数据集及其相关数据准备过程。

HM3D（Habitat-Matterport 3D Research Dataset）包含约 1,000 个真实室内空间的三维数字孪生场景，涵盖住宅、商业及公共空间等不同类型的环境，完整数据集大小约为 30.7 GB。

本次实验下载的是 hm3d-minival-habitat-v0.2.tar，压缩包大小约为 390 MB。该文件属于 HM3D 官方提供的小规模验证集，本次实验选取其中的 TEEsavR23oF 场景，该场景对应 15 个导航任务。

注意：后续所有终端命令均在项目根目录 memory-over-maps 下执行。

相机姿态数据

首先，需要准备相机姿态（Camera Poses）数据。官方仓库的 data 文件夹中提供了 hm3d_poses.tar.gz 压缩包，其中存放了 HM3D 场景对应的相机姿态信息。

在终端中执行以下命令，创建 HM3D 数据集所需的目录结构，并解压相机姿态数据：

mkdir -p data/hm3d/scenes data/hm3d/meshes data/hm3d/episodes

# 如果位姿压缩包存在，就解压
if [ -f data/hm3d_poses.tar.gz ]; then
    tar xzf data/hm3d_poses.tar.gz -C data/hm3d/scenes/
    echo "HM3D poses extracted"
else
    echo "Missing: data/hm3d_poses.tar.gz"
fi

ObjectNav v2 导航任务数据

接下来，需要准备 ObjectNav v2 的导航任务数据。该数据集包含机器人需要执行的导航任务及相关场景信息。

在终端中执行以下命令，下载 ObjectNav v2 任务数据压缩包，并将其解压到项目目录中：

wget -c \
  https://dl.fbaipublicfiles.com/habitat/data/datasets/objectnav/hm3d/v2/objectnav_hm3d_v2.zip \
  -O data/objectnav_hm3d_v2.zip

unzip -q data/objectnav_hm3d_v2.zip -d .

下载并解压完成后，还需要使用官方提供的数据整理脚本 scripts/prepare_data.py，将导航任务数据整理到项目所需的目录结构中。

python scripts/prepare_data.py --dataset hm3d

三维场景模型数据

最后，需要准备 HM3D 的三维场景模型数据。这部分数据包含场景的几何模型和导航网格，是 Habitat 仿真环境加载和运行室内场景的基础。

渲染TEEsavR23oF场景

完成上述数据准备后，还需要生成机器人在场景中的 RGB 图像和 Depth 深度图像。

官方提供了 scripts/render_rgbd.py 脚本，可以根据场景三维模型和相机姿态信息，对指定场景进行渲染，生成对应的 RGB 图像和 Depth 深度图像。

本次实验只使用 TEEsavR23oF 场景，因此执行以下命令：

python scripts/render_rgbd.py \
  --scenes-dir data/hm3d/scenes \
  --mesh-root data/hm3d/meshes \
  --scenes TEEsavR23oF \
  --width 256 \
  --height 256 \
  --workers 1

其中，–width 和 --height 分别指定渲染图像的宽度和高度，–workers 用于设置并行处理的工作进程数量。

脚本运行完成后，会生成对应场景的 RGB 图像和 Depth 深度图像。
在这里插入图片描述

介绍数据文件

完成前面三个部分的数据准备后，HM3D 数据目录下会包含以下三个主要文件夹：

episodes：存放导航任务数据，主要记录机器人需要执行的任务及相关信息，例如需要寻找的目标物体。对于本次使用的 TEEsavR23oF 场景，共包含 15 个导航任务。
meshes：存放 HM3D 场景的三维模型数据，供 Habitat 仿真环境加载和使用。
scenes：存放场景对应的相机姿态（Camera Poses）等数据，为后续 RGB-D 图像渲染和三维定位提供空间信息。

至此，HM3D Minival 数据集的基础准备工作就完成了。我们已经获得了场景三维模型、相机姿态、导航任务以及渲染所需的 RGB-D 图像，可以开始后续的论文方法复现与代码分析。

运行与测试

eval_hm3d.py(位于src/cli/)

完成数据集准备后，就可以开始运行论文的评估程序了。

不过，在运行之前需要注意：官方代码默认提供的 HM3D 数据划分只有 Train 和 Val，并没有直接提供 Minival 选项。由于本次实验使用的是 HM3D Minival 子集，因此需要对数据划分配置进行少量修改。如果使用官方提供的 Train 或 Val 数据集，则可以跳过这部分。

添加minival选项

首先，需要修改 src/cli/arg_groups.py，在 HM3D 的数据划分选项中增加 val_mini。

arg_groups.py（位于src/cli/）

修改前

"hm3d": dict(
        group="HM3D data",
        config="configs/hm3d.yaml",
        data_root_help="Path to hm3d root (with scenes/, meshes/, and episodes/)",
        scene_example="TEEsavR23oF",
        splits=["val","train"],
    ),

修改后

"hm3d": dict(
        group="HM3D data",
        config="configs/hm3d.yaml",
        data_root_help="Path to hm3d root (with scenes/, meshes/, and episodes/)",
        scene_example="TEEsavR23oF",
        splits=["val","val_mini","train"],
    ),

这样，程序就可以识别 val_mini 这一数据划分。

配置文件

从上面的代码可以看到，HM3D 默认使用的配置文件是 configs/hm3d.yaml。该配置文件还会继承 base_nav.yaml，而 base_nav.yaml 又依赖 base.yaml，因此最终的运行参数由多层配置共同决定。

由于本地 GPU 显存有限，无法直接使用官方默认配置运行完整流程，因此我选择在原有配置的基础上，新建一个低显存配置文件 hm3d_lowmem.yaml。

该配置文件继承 hm3d.yaml，并针对本地实验环境调整数据划分、SAM 3 权重路径以及 VLM 模型配置。

在项目根目录下执行以下命令，创建配置文件：

cat > configs/hm3d_lowmem.yaml <<'EOF'
_base: hm3d.yaml

data:
  root: data/hm3d
  split: val_mini

sam3:
  batch_size: 1
  checkpoint_path: [sam3权重本地路径]
vlm:
  model: /home/snow/projects/graduation/research/memory-over-maps/models/Qwen2.5-VL-3B-Instruct
  batch_size: 1
EOF

echo "=== 低显存配置 ==="
cat configs/hm3d_lowmem.yaml

其中，主要修改了以下几个参数：

data.root：指定 HM3D 数据集的根目录。
data.split：将数据划分设置为 val_mini。
sam3.batch_size：将 SAM 3 的批处理大小调整为 1，以降低显存占用。
sam3.checkpoint_path：指定本地 SAM 3 模型权重路径，避免从 Hugging Face 下载。
vlm.model：指定本地 Qwen2.5-VL-3B-Instruct 模型路径。
vlm.batch_size：将 VLM 批处理大小设置为 1。

需要注意的是，本次实验运行时使用了 --no-vlm 参数，因此虽然配置文件中保留了 VLM 的模型路径和批处理参数，但实际评估过程中不会执行 VLM 重排序阶段。

运行测试

完成上述修改后，就可以运行 HM3D 评估程序了。

本次实验选取 TEEsavR23oF 场景中的 15 个导航任务进行测试，并通过 --no-vlm 关闭 VLM 重排序阶段，以适应本地 GPU 显存条件。

在项目根目录下执行：

python -m src.cli.eval_hm3d \
  --config configs/hm3d_lowmem.yaml \
  --scene TEEsavR23oF \
  --no-vlm \
  --device cuda \
  --output results/hm3d_TEE_minival.json

参数说明：

–config：指定本次实验使用的低显存配置文件。
–scene：指定需要评估的 HM3D 场景。
–no-vlm：关闭 VLM 重排序阶段。
–device cuda：使用 GPU 运行模型。
–output：指定实验结果的保存路径。
程序运行完成后，评估结果将保存到 results/hm3d_TEE_minival.json，便于后续分析和复现实验。

demo.py(位于demo/)

除了通过命令行运行评估程序，官方还提供了交互式 Demo，用于可视化场景、目标检索和三维定位结果。

具体使用方法可以参考官方文档 docs/demo.md。

在项目根目录下执行：

python demo/demo.py --dataset hm3d --scene TEEsavR23oF

程序启动后，在浏览器中打开：http://localhost:8080/

即可进入交互式可视化界面，查看 HM3D 场景及相关的目标定位结果。

效果如下：

DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

基于 NNTP 的智能新闻机器人系统：Robot Agent × Embedding × Copilot × Harness 全栈实践报告

DAMO开发者矩阵

基于FTP协议的智能机器人代理系统：Robot-FTP Copilot Harness —— 一种嵌入式AI协同智能体架构实践报告

DAMO开发者矩阵

智能邮箱中枢系统（Mailbox Hub）：面向机器人智能体（Robot Agent）的嵌入式协同 Copilot 架构设计与工程实现

DAMO开发者矩阵

所有评论(0)

查看更多评论

snowful world

@2301_79591615

已为社区贡献5条内容

Memory over maps论文讲解系列一：不构建地图，机器人如何记住并找到物体？

snowful world

前言（碎碎念，可跳过）

论文简介

研究背景与核心问题

背景任务：基于视觉记忆的三维目标定位

传统解决方法：基于三维语义地图的目标定位

核心问题

创新点

小思考

下游导航任务：不构建完整地图，机器人如何导航？

完整流程

源码结构

权重问题

Sam3模型权重

sam3_segmenter.py（位于src/models/segmentation/）

setup.py(位于src/evaluation/)

demo.py(位于demo/)

config.py(位于src/utils/)

base.yaml(位于configs/)

实验数据

相机姿态数据

ObjectNav v2 导航任务数据

三维场景模型数据

渲染TEEsavR23oF场景

介绍数据文件

运行与测试

eval_hm3d.py(位于src/cli/)

添加minival选项

arg_groups.py（位于src/cli/）

配置文件

运行测试

demo.py(位于demo/)

所有评论(0)

温馨提示：您尚未绑定手机号

snowful world