.png){kind=icon}
返回
Nonsubmodular Visual Attention for Robot Navigation
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2025.3619067.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种任务导向的计算框架，用于提升机器人的视觉-惯性导航（VIN），以应对时间与能量资源受限等挑战。该框架采用基于均方误差（MSE）的非次模目标函数和简化的动态预期模型，战略性选择视觉特征。为解决该问题的NP难度，我们引入四种多项式时间近似算法：具有常数因子保证的经典贪婪方法；显著降低计算复杂度的低秩贪婪变体；平衡效率与解质量的随机贪婪采样器；以及基于一阶泰勒展开的线性化选择器，实现近常数时间的执行。我们通过利用次模性比率、曲率和逐元素曲率分析，建立了严格的性能界限。在标准基准测试和自定义的控知平台上的广泛实验验证了我们的理论结果，表明这些方法在实现强近似保证的同时，支持实时部署。
Keyword:
Autonomous agents
greedy-based algorithms
localization
nonsubmodularity
visual-based navigation
期刊
IF:
10.5
论文数:
3.3K
被引数:
2.8W
机构
引用论文
暂无论文信息