Sep, 2023

PlaceNav: 通过地点识别进行拓扑导航

PDF
TL;DR通过将拓扑导航分为机器无关和机器特定组件，利用视觉地点识别对子目标选择进行优化，运用贝叶斯滤波提高导航性能，本研究提出了一种新模型，室内导航任务成功率提高了 76%，室外导航任务成功率提高了 23%。
topological navigationrobot-independent componentsrobot-specific componentsvisual place recognitionbayes filtering
发现论文，激发创造
  • 基于 ConvNet 特征的场所识别性能研究

    本文綜合評估和比較了三種先進的 ConvNets 在導航機器人的特定挑戰中的實用性，並優化了現有 (局部敏感哈希) 和新的 (語義搜索空間劃分) 優化技術，實現了基於 ConvNets 實時地點識別性能的提升，證實了語義地點分類的網絡也在 (特定) 地點識別方面表現更好。

    Jan, 2015

  • 针对大地图的高效机器人定位的区域预测

    本文提出了一种预选地图节点进行场所识别的新方法，并将其与 RTAB-Map 集成，证明了其在实时导航中的有效性。

    Mar, 2023

  • 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

  • 不回头：强化视角和条件不变地点识别的稳健性分类

    本文提出一种利用深度神经网络的高阶层进行场所识别以及运用描述符归一化方案提高场所识别鲁棒性的方法，并在两个数据集上进行验证，结果显示相比于现有技术具有显著的改进。

    Jan, 2018

  • 将算法规划和深度学习相融合用于部分可观测导航

    提出了一种机器人系统的新方法，其中一个较大系统的每个构件都表示为可微分的程序，即深度神经网络，应用到一个具有挑战性的部分可观测机器人导航任务中。在预测性模拟实验中，成功训练 Navigation Networks（NavNets）来解决这个具有挑战性的部分可观察的导航任务。

    Jul, 2018

  • 统一地图和基于地标的视觉导航表示

    提出了一种视觉导航的公式，该公式将基于地图的空间推理和路径规划与基于地标的稳健计划执行融合，该公式基于数据学习，能够高效地导航在新颖环境中，针对模拟现实世界环境进行了测试并报告了竞争基线方法的性能提高。

    Dec, 2017

  • TopoNav：稀疏奖励环境下的高效探索的拓扑导航

    自主机器人的目标导向探索中，TopoNav 框架通过主动拓扑映射、内在奖励机制和分层目标优先级确保有效、适应性强的探索，提高探索效率和导航准确性，适用于搜索与救援、环境监测以及行星探索等广泛应用领域。

    Feb, 2024

  • 使用 Transformer 的拓扑规划实现视觉语言导航

    本文介绍了一种基于模块化方法的视觉和语言导航技术，使用拓扑地图和注意机制来生成导航计划，并通过低级动作执行控制器实现。实验证明，该方法在自由遍历环境下优于以往的端到端方法。

    Dec, 2020

  • 一种用于视觉场所识别的混合紧凑型神经结构

    本文提出了一种将视觉场所识别模型与动力学神经网络相结合的新模型，利用两种分类的神经模型 FlyNet 和 CANN 实现了高性能和紧凑性，相较于 SeqSLAM、Multi-Process Fusion 和 LoST-X 方法，该模型在两个真实世界数据集上表现优异，可以在日夜转换下获得 87％的 AUC 结果，速度分别比较三种算法快 6.5 倍，310 倍和 1.5 倍。

    Oct, 2019

  • 基于行为的图形定位网络的视觉导航

    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