Object Navigation via VLM-Assisted Frontier Exploration and CLIP-Based Detection Verification

This thesis presents a modular approach to the Object Goal Navigation (ObjectNav) problem, where an agent must locate and reach a target object in an unknown environment. The proposed system integrates classical navigation techniques, such as occupancy mapping and path planning, with advanced perception models based on Vision-Language Models. The architecture combines frontier-based exploration, open-vocabulary object detection, and semantic verification to improve navigation performance. A semantic memory mechanism is also introduced to reduce false positives and enhance efficiency. The method is evaluated in a simulated environment using standard metrics, showing promising results in terms of success rate and path efficiency. The work highlights the benefits of integrating classical robotics methods with modern artificial intelligence techniques.

Questa tesi propone un approccio modulare al problema dell’Object Goal Navigation (ObjectNav), in cui un agente deve localizzare e raggiungere un oggetto target in un ambiente sconosciuto. Il sistema sviluppato combina tecniche classiche di navigazione, come mappe di occupazione e pianificazione del percorso, con modelli avanzati di percezione basati su Vision-Language Models. L’architettura integra un meccanismo di esplorazione basato su frontier, un rilevatore di oggetti open-vocabulary e un modulo di verifica semantica per ridurre i falsi positivi. Viene inoltre introdotto un sistema di memoria semantica per migliorare l’efficienza e la robustezza durante la navigazione. Il metodo è valutato in ambiente simulato mediante metriche standard, dimostrando buone prestazioni in termini di successo e efficienza del percorso. Il lavoro evidenzia come l’integrazione tra metodi classici e modelli di intelligenza artificiale moderna rappresenti una soluzione efficace per la navigazione autonoma.