关键词large-scale environments
搜索结果 - 4
- SayNav: 动态规划中基于大型语言模型的导航
基于大型语言模型的新方法 SayNav,通过建立探索环境的三维场景图,生成高级导航计划,并利用预训练的低级规划器逐步执行,动态生成导航过程中的指令并根据新感知信息不断改进步骤,有效在大规模新环境中定位多个不同物体。
- CVPRSFD2: 语义引导的特征检测与描述
本文提出了一种将高级语义隐式嵌入到检测和描述过程中的语义感知检测器来提高视觉定位准确度的方法,大幅降低了对于外观变化敏感的特征数量,增强了与语义相关的区域的描述符辨别能力,该方法在 Aachen Day-Night 和 RobotCar-S - Block-NeRF: 可扩展的大场景神经视角合成
Block-NeRF 是神经辐射场的变种,可以有效表示大规模环境,将场景分解成 NeRF 可以将渲染时间与场景大小分离,使渲染可以扩展到任意大的环境,并允许环境进行每个块更新。通过引入外观嵌入,学习的姿态细化和可控的曝光,以及介绍邻接 Ne - 大规模拓扑导航的本地控制扩展
我们提出了一种直观的解决方案,通过准确测量本地控制器的能力,可以实现可伸缩且稳健的大规模视觉拓扑导航,同时在大规模环境中实现轨迹跟随和规划的最新结果,并且该方法可以很好地推广到真实机器人和新环境上,而无需重新培训或微调。