.png){kind=icon}
返回
Concept-Guided Exploration: Building Persistent, Actionable Scene Graphs
.png){kind=icon}
OA
AI
DOI：10.3390/app152011084.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动机器人对三维空间的感知正迅速从平面度量网格表示转向由可被人类解释的概念构建的混合度量-语义图。虽然大多数方法首先构建度量地图，然后添加语义层，但我们探索了一种替代方案，即概念优先的架构，其中空间理解由异步概念代理直接实例化和管理语义实体而产生。我们的机器人采用两种空间概念—room和door—作为认知分布式架构中的自主进程实现。这些概念代理通过主动探索和增量验证，协同构建室内布局的共享场景图表示。关键架构原则是层次化约束传播：room实例化提供几何和语义先验，以指导和支持在墙边界内的door检测。该结构由基于预测-匹配循环的互补功能原则维护。该方法旨在生成一种可操作的、可被人类解释的空间表示，而无需依赖任何预先存在的全局度量地图，从而支持在结构化室内环境中进行可扩展操作以及持久、任务相关的理解。
Keyword:
3D perception
semantic modelling
scene graphs
robot perception
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
.png){kind=icon}
查看更多内容