ActLoc：通过主动视点选择实现移动中的定位学习
机器人学
2025-08-29 v1 计算机视觉与模式识别
机器学习
摘要
可靠的定位对于机器人导航至关重要，但大多数现有系统都隐式假设该位置处的所有观察方向都同样信息丰富。实际情况下，当机器人观察未映射、模糊或信息不足的区域时，定位就会变得不可靠。为此，我们提出 ActLoc，一种基于主动视点感知的规划框架，用于提高通用机器人导航任务的定位准确性。ActLoc 的核心采用大规模训练的注意力模型进行视点选择。该模型对度量图和地图构建期间使用的相机姿态进行编码，并预测该位置在 yaw 和 pitch 方向上的定位准确性。将这些每个点的准确性分布纳入路径规划器中，使机器人能够主动选择相机姿态，以在遵守任务和运动约束的同时最大化定位鲁棒性。ActLoc 在单视点选择和全轨迹规划方面均实现了最前沿的结果，其模块化设计使其能够轻松应用于多样化的机器人导航和检查任务。
引用
@article{arxiv.2508.20981,
title = {ActLoc: Learning to Localize on the Move via Active Viewpoint Selection},
author = {Jiajie Li and Boyang Sun and Luca Di Giammarino and Hermann Blum and Marc Pollefeys},
journal= {arXiv preprint arXiv:2508.20981},
year = {2025}
}