未来映射:空间人工智能系统的计算结构
该论文描述了如何支持应用专家在选择和配置适当的算法和适当的硬件编译路径,在 SLAM(同时定位和制图)应用中实现算法交付的工具和方法,包括系统定量评估 SLAM 算法的工具和方法,自动化的机器学习指导算法和实现设计空间的探索,以及用于优化异构、加速架构的端到端模拟工具。
Aug, 2018
本研究对以深度学习为基础的定位和建图方法进行全面调查和分类,讨论了目前模型的局限性,并预示了未来的方向。文中涵盖了从学习里程估计、绘图到全局定位和同时定位和绘图(SLAM)等广泛的话题,探讨了利用车载传感器来感知自我动作和场景理解的问题,并展示了如何将这些模块集成到 SMIS 中。希望本研究能连接机器人学、计算机视觉和机器学习社区的新兴工作,并为未来研究者提供指南,应用深度学习来解决定位和绘图问题。
Jun, 2020
关于 Simultaneous Localization and Mapping (SLAM) 的论文综述,介绍了 SLAM 的标准公式化表达和相关工作,探讨了挑战和新领域,并提出了值得深入研究的问题和开放挑战。
Jun, 2016
在工厂大厅这样的复杂环境中,利用四个立体摄像头和一个三维激光扫描仪,应用最先进的激光雷达和视觉 SLAM 方法,进行数据收集、轨迹估计和密集地图生成,并生成精确的深度图用于自动建筑和现场监测。
Apr, 2024
本文回顾了 Visual-SLAM 领域中采用基于深度学习等基于数据驱动的方法来解决传统基于几何模型的技术在复杂环境中难以处理的 SLAM 问题的最新进展,并探讨了其面临的挑战和发展机遇。
Sep, 2022
本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器,将普通物体表示为四面体,进一步细化物体重建,检测附加平面标志并建模为独立地标志,可大幅提高系统的定位性能和语义地图的丰富程度。
Sep, 2018
该综述性论文全面概述了同时定位与建图(SLAM)领域的最新进展,重点关注环境特征符号化表示的集成。该论文综合了多智能体系统(MAS)和人机协同研究趋势,强调了它们在符号化和子符号化 SLAM 任务中的应用,着重探讨本体设计和符号推理在创建各种环境的复杂 2D 和 3D 地图中的演变和重要性。这项研究重点考察了 SLAM 中不同的架构方法,特别关注了 MAS 环境中边缘和控制智能体架构的功能和应用。该研究承认了在建图任务中对增强的人机协作的日益需求,并研究了这些协作努力如何提高环境建图的准确性和效率。
Mar, 2024
提出一种神经 SLAM 方法,利用多种模态进行探索,预测可承受意义地图并在其上进行规划,从而显著提高了探索效率,实现了鲁棒的长程规划,使得机器智能能够更有效地识别视觉和语言信息。在 ALFRED 基准测试中,相对先前发表的作品,提出的 Affordance-aware Multimodal Neural SLAM(AMSLAM)方法在成功率上实现了 23.48%的新的最高水平,取得了超过 40%的改进。
Jan, 2022