.png){kind=icon}
返回
Semantic orientation for indoor navigation system using large language models
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-25281-0.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自主机器人在现代室内导航中发挥着重要作用，但现有系统通常难以实现无缝的人机交互和环境语义理解。本文提出了一种由人工智能（AI）驱动的物体识别系统，该系统通过大型语言模型（LLMs），如GPT-4 Vision和Gemini进行增强，以弥合这一差距。我们的方法结合了基于视觉的制图技术与自然语言处理和交互，以实现导航任务中的直观协作。通过利用多模态输入和向量空间分析，我们的系统实现了增强的物体识别、语义嵌入和上下文感知响应，为自主室内导航设定了新的标准。该方法为改善空间理解和动态交互提供了一个新颖的框架，使其适用于复杂的室内环境。
Keyword:
Large language models
GPT-4
Semantic orientation
Indoor navigation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
Vision-based navigation and guidance for agricultural autonomous vehicles and robots: A review农业自动车辆和机器人的基于视觉的导航和引导: 综述
PREAI
分享收藏分享收藏分享收藏Finding the best hardware configuration for 2D SLAM in indoor environments via simulation based on Google Cartographer.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Object detection using YOLO: challenges, architectural successors, datasets and applications使用YOLO进行对象检测: 挑战、架构后继者、数据集和应用OAAI
OAAI分享收藏 没有更多内容
没有更多内容