Scene Representations for Robotic Spatial Perception

Ruben Mascaro

doi:10.1146/annurev-control-040423-030709

Scene Representations for Robotic Spatial Perception

2024-11-11

0

PRE

AI

DOI：10.1146/annurev-control-040423-030709

原文链接

摘要

En 中文

机器人通过传感器数据及时构建其周围环境持久、准确且可操作模型的能力，对于自主运行至关重要。尽管将世界表示为点云可能足以实现定位，但规避障碍物需要更密集的场景表示。另一方面，高层语义信息通常对于分解自主完成复杂任务（如烹饪）所需步骤至关重要。因此，一个迫在眉睫的问题是：当前机器人任务适合哪种场景表示？本综述对推动机器人空间感知领域发展的关键方法和框架进行了全面回顾，特别关注了表示的历史演变和当前趋势。通过将场景建模技术分为三种主要类型——度量、度量-语义和度量-语义-拓扑——我们讨论了空间感知框架如何从构建纯粹的世界几何模型转向更高级的数据结构，融入了如对象实例和地点等高层概念。特别强调的是实时同时定位与建图的方法、其与深度学习的集成以增强鲁棒性和场景理解，以及其处理场景动态性的能力，这些是当前推动机器人研究的热点话题。最后，我们讨论了在开发适用于长期自主运行的鲁棒且可扩展空间感知系统过程中面临的挑战和未来研究方向。

Keyword:

spatial perception

simultaneous localization and mapping

SLAM

semantic SLAM

3D scene graphs

scene representations

robotics

Scene Representations for Robotic Spatial Perception

摘要

期刊

机构

引用论文