- 基于深度强化学习的无地图人群导航移动机器人感知移动风险
提出了一种基于深度强化学习和碰撞概率(Collision Probability,CP)的机器人人群导航方法,以解决机器人导航不稳定性问题。在不同密度的人群行为情景中进行了测试,并与当前最先进的 DRL 方法进行了比较,结果表明该方法表现出 - CVPR基于 2D 和 3D 离散化网格的高效地图稀疏化
本文提出了一种新的地图稀疏化方法,采用二维离散化网格来选择均匀分布的地标,同时基于三维离散化网格引入一个空间约束条件来减少不同空间分布对定位性能的影响,实验表明该方法在效率和定位性能方面都有优越性。
- ConceptFusion: 开放式多模态 3D 地图
ConceptFusion 是一种基本的开放式多模态场景表示方法,通过集成预先训练的基础模型的能力,可跨越自然语言、图像和音频等多种模式推理和查询,从而实现零训练空间推理,并在保留长尾概念方面表现比监督方法优异 40% 的跨模态三维映射。
- 室内模型的交互感知式建模
为了在日常生活中与可动物体实现互动,本文探索了通过机器人在室内场景中有目的地交互以建立室内场景的可动模型的方法,并引入了一个名为 Ditto in the House 的交互感知方法,通过可行性预测发现可能的可动物体,与这些物体交互以产生可 - 基于强化学习的机器人导航中改进的策略蒸馏
通过多个场景可验证强化学习通过策略提取(MSVIPER)提出了一种新的策略精馏方法,用于改进机器人导航。通过任何 RL 技术学习状态 - 动作映射,并使用模仿学习从中学习决策树策略,从而学习 “专家” 策略。我们通过室内和室外场景的机器人导 - 具备历史信息和交互的多子目标机器人在人群中导航
本文提出了一种基于深度强化学习的多子目标机器人导航方法,采用图神经网络对所有机器人和人类的历史信息进行编码与交互,以提高机器人的预测未来场景的能力,并引入选择模块来减少不可靠位置点的出现,实验结果表明该方法在拥挤的人类环境中能够更好地满足任 - 机器人导航的多传感器融合主动异常检测
提出了一种利用多传感器融合和预测控制器的主动异常检测网络,可以在未知的、不受限制的环境中预测机器人导航的失败,并及时提醒,实验表明此方法优于以往反应式方法的异常检测表现
- 基于关注交互图的意图感知机器人人群导航
本文提出一种基于循环图神经网络和注意力机制的新型 RL 方法,通过捕捉时空中多种交互类型来预测人类行为意图,并将该预测应用于无模型 RL 框架中以避免机器人干扰其他个体,从而在人群中实现机器人的安全、高效导航。
- 神经辐射世界中的仅视觉机器人导航
利用神经辐射场(Neural Radiance Fields)的连续体密度和 RGB 值的神经网络,以及基于射线追踪的方式生成真实照片,我们提出了一种利用机载 RGB 摄像头的算法,使机器人在 NeRF 表示的 3D 场景中导航,并通过一种 - MMTransLoc3D : 基于点云的自适应感受野大规模地点识别
TransLoc3D 是一种新的点云全局描述算法,使用自适应感受野进行特征提取,利用外部 Transformer 捕捉长程特征依赖关系,能够有效地处理不同大小的物体、抑制噪声,并取得了现有方法不可比拟的高性能结果。
- 融合类别不确定性的异质代理轨迹预测
通过引入代理分类概率,提高了轨迹预测的性能和新的预测能力。
- 社交机器人导航的核心挑战:一项调查研究
本文介绍了机器人在拥挤的公共场所中导航的挑战,分类了现有的问题,并提供了未来研究的方向和建议。
- 自监督激光雷达分割用于自主室内导航学习
本研究提出了一种自监督学习方法用于激光雷达帧的语义分割,通过结合 SLAM 和光线追踪算法实现自动化注释,训练预测机器人移动场景中的固定结构和可动目标的深度学习模型,同时改进机器人的导航和本地化性能,为机器人导航和目标定位提供了新的途径。
- 社交和情境感知的人体运动和姿势预测
本文提出了一种新的框架来处理机器人导航中预测人类动态的问题,该框架将人类运动(或轨迹)和骨骼姿态预测这两个任务统一起来,并考虑到了场景和社交上下文等多种因素,最终在两个社交数据集上表现优异。
- 基于有符号距离函数子地图的全局一致性体积匹配 Voxgraph
本文提出了一个基于 CPU 的轻量级框架,通过计算子地图集合的最佳对齐,以 Signed Distance Function 子地图的重叠集合形式表示环境,生成对子地图对之间的无对应约束来维持全局一致性。在实验中,我们在大型空间和工业空间使 - TartanAir:推进视觉 SLAM 极限的数据集
本文介绍使用 TartanAir 数据集进行机器人导航与多种传感器数据采集的相关实验,旨在使用基于大规模数据训练的学习方法,推动 Visual SLAM 算法在真实环境中的应用,并为其提供一种更具挑战性的新基准测试方法。
- ICLR用深度主动推理技术实现自主机器人导航
本文介绍了活跃推理的理论,并利用深度学习的最新进展,构建能够处理高维传感器数据并进行主动推理的复杂生成模型,这是深度主动推理在真实世界机器人导航任务中的首次应用。
- 带有线性时态逻辑规约的 POMDPs 的随机有限状态控制
本研究提出了一种基于 POMDPs 的任意时间算法,通过在线性时态逻辑(LTL)清单约束条件下最大化满足概率来合成次优随机有限状态控制器(sFSCs),并通过机器人导航案例研究表明了该方法的有效性。
- BatVision: 学习使用两只耳朵看到三维空间布局
该研究提出了一种低成本的机器视觉系统(BatVision),通过仿照蝙蝠的回声定位机制,利用声音来感知物体的三维空间布局,能够在低照度或无光照条件下用于机器人导航和机器视觉。
- 基于目标条件策略的规划
本文提出了一种结合规划方法和强化学习的方法,利用强化学习学习目标驱动策略,从而让规划方法更好地实现任务;同时利用一个潜在变量模型来简洁地表示规划中的有效状态,从而将行为抽象和状态抽象分离。实验结果表明本文提出的方法能够在机器人导航和操作任务