Loading...
机构名称:
¥ 1.0

摘要 - 本文解决了在实际环境中自主检查中对象目标导航的问题。对象目标导航对于在各种设置中实现有效的检查至关重要,通常要求机器人在大型搜索空间内识别目标对象。当前的对象检查方法没有人为效率,因为它们通常无法像人类那样在事先和常识知识之前引导。在本文中,我们引入了一个框架,该框架使机器人能够使用先前的环境空间配置和语义常识知识的语义知识。我们提出了将语义先验知识与机器人的观察结果相结合的搜索(对象检查任务的语义推理),以更有效地搜索和导航到目标对象。SEEK维持两个表示:动态场景图(DSG)和关系语义网络(RSN)。RSN是一个紧凑而实用的模型,可估计在DSG中的空间元素中找到目标对象的概率。我们提出了一个新颖的概率计划框架,以使用关系语义知识来搜索对象。我们的仿真分析表明,根据对象目标检查任务的效率,在本研究中检查了基于经典计划和大型语言模型(LLMS)的方法。我们在城市环境中验证了对物理机器人的方法,展示了其在现实世界检查场景中的实用性和有效性。

arxiv:2405.09822v2 [cs.ro] 2024年11月18日

arxiv:2405.09822v2 [cs.ro] 2024年11月18日PDF文件第1页

arxiv:2405.09822v2 [cs.ro] 2024年11月18日PDF文件第2页

arxiv:2405.09822v2 [cs.ro] 2024年11月18日PDF文件第3页

arxiv:2405.09822v2 [cs.ro] 2024年11月18日PDF文件第4页

arxiv:2405.09822v2 [cs.ro] 2024年11月18日PDF文件第5页

相关文件推荐

1900 年
¥7.0
2024 年
¥1.0
2024 年
¥5.0
2024 年
¥3.0