無地圖導航：以局部觀測實現不需顯式全域地 圖之機器人導航

本文提出「無地圖導航」 (Map-free Navigation)，作為一種新穎的機器人導航方法，旨在使機器人 於推論階段無需依賴預先建立的全域幾何地圖或語意地圖即可執行導航任務。不同於傳統方法通常需要事 先建構並存取全域地圖，本研究將導航問題分解為兩個互補的推理與控制系統。第一個系統為高階場景 條件式推理 (High-Level Scene-Conditioned Reasoning)，其根據機器人的當前觀測與任務情境，推估機器人 可能所在的位置，並解析目標相對於機器人目前位置的空間關係。第二個系統為低階推理模組 (Low-level Reasoning Module)，其根據局部感測量測與相對目標，產生機器人執行導航所需的控制指令。高階推理系 統採用經微調的大型視覺語言模型 (Large Vision-Language Model, LVLM) 實作。該模型被訓練為在給定輸 入觀測時估計最可能的機器人位置，並在給定輸入情境提示時推估相對目標。透過此設計，本文將場景 理解、位置推理與目標解析整合於同一高階推理架構中，以支援不依賴明確全域地圖的導航決策。針對 低階控制，本研究評估兩種局部導航實作方式：(1) 基於 PPO 的策略[11]，其根據局部 RGB-D 觀測與相 對目標預測速度控制指令；以及 (2) 基於 Nav2 的局部導航模組[12]，其使用局部量測進行短視距導航與 障礙物避讓。實驗結果顯示，在工研院 22 館的真實場景中，無地圖導航可達到約 86.6% 的 Recall@ 0.5m， 並在推論階段避免存取明確的全域幾何地圖或語意地圖。

We introduce Map-free Navigation as a novel approach to robot navigation that does not require a predefined global map during inference time. Instead, it decomposes the navigation task into two complementary systems: (i) High-Level Scene-Conditioned Reasoning, which interprets the target goal relative to the robot’s current position, and (ii) Low-level Reasoning Module, which estimates robot commands based on local sensor measurements. The high-level reasoning system is implemented using a Large Vision-Language Model (LVLM) fine-tuned to estimate both the most probable robot location given an input observation and the relative target goal given an input context prompt. For low-level control, we evaluate two local navigation implementations: (1) a Proximal Policy Optimization (PPO-based policy) [11] trained to predict velocity commands from local RGB-D observations and a relative goal, and (2) a Nav2-based local navigation module [12] that uses local measurements for short-horizon obstacle avoidance. Our results show that Map-free Navigation achieves approximately 86.6% Recall @ 0.5m in a real-world setting of the ITRI Building 22, while avoiding explicit global geometric or semantic map access during inference.