面向长期机器人操作的摊还式物体与场景感知
机器人学
2019-04-01 v1 人工智能
计算机视觉与模式识别
摘要
在 human 环境中执行长期操作活动的移动机器人，必须感知具有极为不同视觉特征的广泛物体，并需在任务执行过程中可靠地跟踪这些物体。为提升效率，机器人感知能力需超越当前可感知范围，并应能回答关于当前与过去场景的查询。本文研究一种用于长期机器人操作的感知系统，其跟踪变化的环境并构建所感知世界的表示。具体而言，我们引入一个摊还式组件，将感知任务分散到整个执行周期中。由此产生的查询驱动感知系统将来自记录图像的结果异步整合为一种符号与数值（我们称之为亚符号）表示，该表示构成了机器人的感知信念状态。
引用
@article{arxiv.1903.12302,
title = {Amortized Object and Scene Perception for Long-term Robot Manipulation},
author = {Ferenc Balint-Benczedi and Michael Beetz},
journal= {arXiv preprint arXiv:1903.12302},
year = {2019}
}