Editorial: Robotic perception, multi-robot exploration, mapping, and autonomous computing

doi:10.3389/frobt.2026.1974584

Editorial: Robotic perception, multi-robot exploration, mapping, and autonomous computing

2026-09-03

0

OA

AI

DOI：10.3389/frobt.2026.1974584

原文链接

原文求助

摘要

En 中文

近年来，机器人感知、探索和建图取得了显著进展，得益于深度学习、传感器融合和概率估计的进步。机器人不再仅被设计用于结构良好的实验室环境。它们越来越多地被期望在动态、不确定且通常资源受限的环境中运行，包括农业设施、办公室、道路网络和医疗基础设施。这带来了几个密切相关的问题。机器人必须能够感知和映射随时间变化的环境，在探索过程中与其他机器人高效协调，解释用自然语言表达的人类指令，并在可能促进或限制其部署的组织和监管背景下运行。解决这些问题不仅需要算法和传感技术的进步，还需要自主机器人部署的更广泛系统的进步。本研究主题旨在汇集关于机器人感知、多机器人探索与协调、建图和自主计算的工作。五篇已发表的论文涉及动态环境下的视觉SLAM、基于语言的分层路径规划、混合多机器人探索、AI定义的自动驾驶车辆以及医疗系统中的机器人准备状态的结构决定因素。尽管它们从不同角度探讨自主性，但共同展示了从底层感知和规划到采纳、治理和社会整合的连续体。例如，点线特征融合被用于支持更稳定的位姿估计。该系统使用TUM基准和一个在牛棚中运行的物理检查机器人进行了评估。GNV2-SLAM与ORB-SLAM2相比，将绝对轨迹误差减少了超过96%，同时保持帧处理时间低于30毫秒。这些结果表明，计算高效、动态物体感知的感知可以使视觉SLAM更适合杂乱和人口密集的现实世界环境。

Keyword:

path planning,SLAM,semantic mapping,robotic perception,robotic readiness,autonomous computing,multi-robot exploration

Editorial: Robotic perception, multi-robot exploration, mapping, and autonomous computing

摘要

期刊

机构

引用论文