建议利用传感器和算法的组合,建立一个适用于视障人士的导航系统,该系统基于传统的 RGB-D 相机,结合鱼眼相机的信息,提供了对环境的鲁棒性与可靠性,使用户能够规划路径并避开障碍物。
Jan, 2024
本文提出了一种新的基于隐式障碍图的室内导航框架,其中根据历史试错经验而非视觉图像学习隐式障碍图,同时设计了非局部目标记忆聚合模块以提高导航效率。实验结果表明,我们的方法在 AI2-Thor 和 RoboTHOR 基准测试中具有卓越的障碍避免和导航效率。
Aug, 2023
本文提出一种基于可穿戴导航设备的室内导航方案,使用动态子目标选择策略,辅助用户规避障碍,并在佩戴者使用方便的光学透视眼镜上使用。该导航设备采用低成本、体积小、易于集成的传感器,通过测试,被证明在室内导航任务中具有高效性。
Apr, 2019
本文提出了一种机器人导航系统,采用模仿学习框架在复杂环境下成功导航,使用 RGB 和深度 (RGBD) 信息,可以应对大型环境和多个房间及未知目标的导航,相较于多个基准测试具有更好的性能。
Sep, 2019
通过视觉和语言方法的应用,本文提出了一个以真实影像为基础的强化学习环境 Matterport3D Simulator,为现实建筑物的自然语言导航问题提供了第一个基准测试数据集 Room-to-Room (R2R) dataset。
Nov, 2017
本研究提出了一个新的增强学习框架,通过直观的虚拟现实演示界面,训练个性化的导航控制器。用户研究表明,我们的个性化方法显著优于传统方法,学习到的控制器具有良好的泛化性能和在导航过程中反映用户偏好的能力。最后,我们将导航控制器转移到真实机器人上,保持了较好的性能。
Mar, 2022
提出了一个基于学习的导航系统,该系统应用于实际移动机器人平台,旨在使机器人通过学习来了解环境和导航便利性,以便在视觉引导下实现目标点的导航,经过实地测试和应用,该系统的表现优于其他以强化学习和搜索为基础的方法。
Dec, 2020
该论文提出了一种基于梯度的 B 样条轨迹优化算法,利用机器人的视觉感知,可以在动态环境中快速、安全地生成避障轨迹。
Sep, 2022
本文提出了一种基于 RGB-D 传感器的道路机器人避障系统,使用两阶段语义分割网络生成语义地图以便进行局部路径规划,采用光流监督和运动模糊增强的训练方法,实现室内外道路机器人的无碰撞自主导航。
Aug, 2019
本文提出了基于深度强化学习和递归神经网络的无人机避障技术,可在未知室内环境中自主避免障碍物,提高了导航距离和推理速率。
Nov, 2018