面向远距离物体变化检测的有源机器人视觉：受多臂老虎机启发的轻量训练模拟器

在地面视角物体变化检测中，新兴的无地图导航具有巨大潜力，可导航机器人至远距离检测到的物体（如书籍、杯子、衣物）并获取高分辨率物体图像，以识别其变化状态（无变化/出现/消失）。然而，对每个远距离物体朴素地执行完整行程需要巨大的感知/规划/动作代价，且与物体数量及机器人与物体间距离成正比。为解决此问题，我们在本工作中探索一个新的基于地图的有源视觉问题：“机器人下一步应选择哪条行程？”然而，有源视觉框架的可行性尚不明朗；由于远距离物体仅被不确定地识别，尚不清楚它们能否为动作规划提供充分线索。本工作提出一个用于可行性测试的高效模拟器，以加速早期研发周期（如原型设计、训练、测试与评估）。所提模拟器旨在识别机器人视觉系统（传感器/识别器/规划器/执行器）应用于给定环境（工作空间/物体）时所面临的困难程度。值得注意的是，它仅需每个远距离物体一次真实世界行程经验即可运行，从而适合高效研发周期。本工作的另一贡献是提出一种受传统多臂老虎机问题启发的新型轻量规划器。具体而言，我们在无地图规划器之上构建了一个轻量的基于地图的规划器，构成分层动作规划器。我们利用语义上非平凡的“沙发即书架”场景验证了所提框架的有效性。