LOVON 是什么？让四足机器人按语言指令远距离找东西
TL;DRLOVON 是香港科技大学（广州）和北京人形机器人创新中心在 2025 年 7 月提出的足式机器人开放词汇物体导航框架，用大语言模型做分层任务规划，结合开放词汇视觉检测，在动态、非结构化环境中实现长距离找物导航。
LOVON（Legged Open-Vocabulary Object Navigator）是一个让足式机器人根据语言指令在复杂环境中远距离寻找物体的导航框架，由香港科技大学（广州）和北京人形机器人创新中心在 2025 年 7 月共同提出，论文标题是《LOVON：足式开放词汇物体导航器》。
几个关键词的含义
足式：针对四足机器狗、人形机器人这类靠腿行走的机器人。它们能走楼梯、跨障碍，适应能力强，但行走时机身会晃动，给视觉感知带来额外的困难。开放词汇：机器人要找的东西不限于训练时预设的几十个类别，用户说出任何物体的名字，比如“那个蓝色的背包”“穿红衣服的人”，它都能尝试去识别和寻找。长距离：任务不是在一个房间里找东西，而是要在较大范围的环境中，经过一系列步骤，最终找到目标。动态、非结构化环境：环境里有移动的人和物，也没有规整的地图。
LOVON 怎么做
LOVON 把大语言模型用于分层的任务规划：用户给出一个复杂的长任务，比如“先去找椅子，再去找门口的那个人”，大模型把它拆解成一系列子目标，并在执行过程中根据情况调整。同时，它结合开放词汇的视觉检测模型，实时在摄像头画面中搜索和定位目标物体。在执行层面，LOVON 还专门处理了足式机器人特有的问题，比如用图像处理手段减轻行走晃动造成的画面模糊，以及在目标暂时从视野中消失时如何继续搜索、如何在目标移动时持续跟踪。
效果
论文报告，LOVON 在仿真和真实的足式机器人上都表现出很好的效果，能够完成长序列的找物和追踪任务，并且可以部署到多种不同型号的足式机器人上。它特别适合需要高灵活性和适应性的场景，比如巡检、安防、搜救和陪伴服务，展示了大模型和足式机器人结合的应用潜力。