WildOS Open Vocabulary Object Search in the Wild

Title: WildOS: Open-Vocabulary Object Search in the Wild
Authors: Hardik Shah, Erica Tevere, Deegan Atha, Marcel Kaufmann, Shehryar Khattak, Manthan Patel, Marco Hutter, Jonas Frey, Patrick Spieler
arXiv: https://arxiv.org/abs/2602.19308

Problem framing

户外长距离对象搜索里，单纯 frontier exploration 往往“走得到但找不到”。论文将问题定义为语义检索与可通行性约束耦合：既要知道“去哪可能有目标”，也要知道“怎么安全过去”。

Core method

WildOS 将开放词汇检测/语义线索与导航规划统一到一套在线系统：

• 语义层给出目标存在概率热区；
• 几何/可行层给出 traversal 代价；
• 决策层选择信息增益与风险折中最优动作。

Key equations and mechanisms

可抽象成：

$$a_t^{\ast }=\arg \underset{a}{\max }\alpha \cdot \Delta I_{obj}(a\mid o_t)-\beta \cdot C_{trav}(a)-\gamma \cdot R_{risk}(a)$$

其中 $\Delta I_{obj}$ 表示目标识别信息增益，$C_{trav}$ 为运动代价，$R_{risk}$ 为地形/障碍风险。

Experiment reading guide

优先看：

1. 无先验地图下的搜索成功率与时间；
2. 开放词汇目标替换时的鲁棒性；
3. 与纯几何探索基线在“长距离+稀有目标”条件下差距。

Limitations

• 开放词汇语义模块对域外视觉分布仍敏感。
• 极端天气/光照下感知失效会级联影响规划。
• 系统集成复杂，工程复现门槛偏高。

Future work

• 引入不确定性感知地图，做 risk-aware 语义探索；
• 融合语言先验（如“垃圾桶通常靠墙”）提升检索效率；
• 从单机扩展到多机器人协同搜索。

Replication angle

先做 ablation：固定导航器，仅替换语义打分模块；再逐步加入开放词汇与风险代价项，验证每个模块的边际贡献。

Key Figure: https://arxiv.org/html/2602.19308/x1.png
Alt Figure: https://arxiv.org/html/2602.19308/x2.png

Graph: Paper Node 2602.19308