自主视觉导航:一种生物启发式方法
本文探究了如何利用多传感器数据融合和最先进的机器学习算法,实现名为视觉语义导航的任务,在不需要先验环境知识的情况下使用自我中心视觉观测来到达属于目标语义类别的物体。我们的方法在 Habitat Challenge 2021 ObjectNav 的 Minival 阶段和 Test-Standard 阶段中,取得了第四名的成绩。
Jun, 2021
本文介绍一种基于图神经网络和卷积 / 循环神经网络实现的原始行为分解的、使用拓扑地图进行视觉导航的新方法,并在 Gibson 模拟器中验证了其在已知和未知环境中导航的性能优于相关基准线。
Mar, 2019
本文研究了移动机器人的自主导航问题,通过异步教学和重复的策略,结合视觉处理和硬件测距的信息,实现了对室内和室外复杂环境的有效导航和运动控制,并且在不同机器人平台之间具有较好的通用性和重复性。
Oct, 2020
本文介绍了一种基于视觉技术和先进路径规划算法的自主机器人导航系统,该系统可以避开障碍物并朝着目的地导航,其性能通过定性和定量指标进行评估,研究结果有助于室内机器人导航的发展。
Jul, 2023
本文回顾 ANSFL 开发的多学科基于数据驱动的导航算法,其包括适用于人和动物应用、各种自主平台以及多用途导航和融合方法,这些方法在导航领域得到了实验验证和最新的表现。
Oct, 2022
综述了目前关于具有各种智能技能的智能机器人在 3D 环境中进行导航的研究领域,着重介绍了在这一领域内的各种高级技能,例如:感知局部观察视觉输入,理解跨模态的指令等等,并探讨了未来的研究方向及挑战。
Jul, 2021
本文提出了一种适用于室内机器人导航的语义图形表示方法,该表示方法以语义位置和导航行为为节点和边,利用深度学习架构直接从视觉输入生成导航行为,无需计算机器人精确位置和环境几何关系,实现以更高的语义抽象水平导航的目的。
Mar, 2018
为了成功,视觉语言导航(VLN)代理人必须能够根据周围环境将指令与行动联系起来。本研究开发了一种研究基于技能的代理人行为的方法,检查现有代理人在停止、转向和移动向指定对象或房间方面如何准确地进行指令的实施。我们的方法基于生成针对不同技能的干预措施,并测量代理人预测的变化。我们展示了一个详细的案例研究,分析了最新代理人的行为,然后比较了多个代理人在技能特定的能力评分方面。这种分析表明,训练中的偏见对代理人的行为具有持久影响,并且现有的模型能够建立简单的指称表达式。我们在模型之间的比较中发现,技能特定的评分与整体 VLN 任务表现的改进相关。
Jul, 2023
本文描述了一种音频 - 视觉导航方案,该方案基于移动智能机器人,利用可微卷积神经网络学习视觉感知器和声音感知器,以及动态路径规划器,实现在室内环境中通过音频和视觉数据计算从机器人当前位置到声源的最短路径。
Dec, 2019