文章主要内容和创新点主要内容本文提出了一种名为osmAG-LLM的框架，用于零样本开放词汇目标导航（即让机器人根据自然语言查询找到指定物体，即使物体未被预先映射或已移动）。该框架的核心是结合语义地图（semantic-osmAG）和大语言模型（LLMs）的推理能力，解决传统高细节物体地图易过时（因物体移动）的问题。具体而言，框架通过以下步骤实现导航：构建语义地图：基于osmAG（一种基于OpenStreetMap格式的层级拓扑地图）扩展，加入物体节点（通过LabelMaker从RGB-D数据提取）和视角节点（通过视觉语言模型VLM生成），形成LLM可直接解析的文本格式语义地图。物体检索：给定人类查询后，LLM结合语义地图的环境上下文和自身语义先验（如“剪刀通常在厨房或工作室”），生成可能包含目标物体的地图节点。导航与在线检测：机器人按LLM生成的节点顺序导航，到达后通过开放词汇目标检测器（如YOLO-World）和VLM验证物体是否存在，若未找到则转向其他视角或节点。实验表明，该方法在静态物体导航中路径更短、成功率更高，在动态（已移动）或未映射物体的导航中显著优于现有方法。创新点扩展osmAG至物体级语义映射