Mar, 2022

基于空间概念的拓扑语义制图及其在语音指令下的分层路径规划

PDF
TL;DR利用语音指令完成机器人自主导航的一个重要任务是构建具备层级空间表示能力的智能移动机器人。为此，研究者提出了一种基于概率生成模型的层级空间表示方法 SpCoTMHP，并相应的提出了一种路径规划方法，实现了机器人与人类之间的交互通信，提高了导航性能和降低了计算成本。
autonomous mobile robotshierarchical spatial representationpath planninghuman-robot interactionprobabilistic inference
发现论文，激发创造
  • QueSTMaps：可查询的二维场景语义拓扑地图

    通过楼层平面图提取，我们引入了一个两步流程，首先使用一种新颖的多通道占用表示提取室内场景的拓扑图，然后使用自注意力转换器基于对象生成每个房间实例的 CLIP 对齐特征和语义标签。我们在房间分割和分类上的表现超过了当前最先进技术，我们的定性分析和消融研究揭示了联合结构和语义三维场景理解问题的见解。

    Apr, 2024

  • 基于语义地图的导航指令生成

    我们提出了一种使用语义地图作为视觉输入的图像字幕任务的导航指令生成新方法，并发布了使用语义地图的指令生成基准数据集和初步模型。

    Mar, 2024

  • 神经拓扑 SLAM 用于视觉导航

    本文研究图像目标导航问题，提出了一种基于拓扑表示法、语义特征和监督学习算法的解决方案，在视觉和物理仿真实验中部署该算法，与现有方法相比，在长时间任务中呈现出 50％以上的相对提高。

    May, 2020

  • 使用语义地图监督学习导航视觉表征

    我们提出了一种新颖的导航特定的视觉表示学习方法，通过对比代理的自我中心视图和语义地图（Ego$^2$-Map），将地图中的紧凑且丰富的信息转移到代理的自我中心表示中，从而实现室内导航。我们的实验结果表明，采用我们学习到的表示的代理在目标导航中优于最近的视觉预训练方法，并且我们的表示显著改善了连续环境下的视觉和语言导航，在高级和低级行动空间上均取得了 47％的 SR 和 41％的 SPL 的最新最佳结果。

    Jul, 2023

  • 在室内环境中进行高层语义区域划分而无需物体识别

    通过室内环境中的具身导航，提出了一种语义区域绘图的方法，通过视觉 - 语言模型向导绘图，将自身场景理解映射到全局框架上，生成具有高级代理知识的语义地图，实现自主地图生成。在逼真模拟器的实验中，该方法在大量基线方法中明显优于基于对象的系统和预训练场景分类器。

    Mar, 2024

  • 面向高层自然语言指令执行的持久性空间语义表示

    该研究介绍了一种基于持久化空间语义表达的方法，旨在通过实现分层推理，实现机器人代理人执行自然语言指定的长期任务，获得了 ALFRED 测试中最先进的表现。

    Jul, 2021

  • RoboHop: 基于分段拓扑地图的开放世界视觉导航

    基于图像片段的拓扑表示，通过图卷积层的邻域聚合改进机器人定位，并能够生成导航计划和通过自然语言查询搜索目标对象。

    May, 2024

  • 用于导航的半参数拓扑记忆

    提出了一种基于地标导航的新型内存结构，由非参数图和参数深层网络构成，用于规划导航系统，且在测试环境中表现比基线算法高三倍的成功率。

    Mar, 2018

  • 面向对象语义地图的有意义地图绘制

    本文讨论了智能机器人如何同时理解环境的几何和语义属性，以构建包含物体级别实体和基于点或网格的几何表示的环境地图。作者的系统结合 RGB-D SLAM、深度学习目标检测和 3D 非监督分割等技术，同时构建几何点云模型和包含这些物体模型的地图。

    Sep, 2016

  • 学习空间和时间的层次结构：多房间迷宫环境中的层次化主动推理导航

    介绍了一种层次感知模型，结合认知地图、空间感知和位置运动，通过基于像素的观察推断出环境结构，并能在迷你格环境中进行高效探索和目标导向搜索。

    Sep, 2023