基于贝叶斯推断的 BIM 指导下的建筑机器人导航，结合 NLP 安全提示词在动态环境中

建筑机器人日益依赖自然语言处理以执行任务，亟需鲁棒的方法来在复杂动态环境中解读指令。虽然现有研究主要关注机器人应执行的任务，但对这些任务应如何安全高效地执行关注不足。本文提出了一种新型概率框架，该框架利用自然语言指令中的情感分析，动态调整建筑环境中的机器人导航策略。该框架利用建筑信息模型（BIM）数据和自然语言提示词，创建考虑环境风险和不确定性变化的自适应导航策略。我们引入一种基于对象的路径规划方法，将指数势场与环境的网格表示相结合，其中势场根据用户提示词的语义分析进行动态调整。该框架采用贝叶斯推断整合多个信息来源：BIM 的静态数据、自然语言指令的语义内容以及用户提示词所隐含的安全约束。我们通过实验比较了三个场景：基准最短路径规划、以安全为导向的导航和风险感知路由。结果表明，我们的方法成功地根据自然语言情感调整了路径规划，在安全优先时实现了障碍物最近距离提高 50%，同时保持合理的路径长度。来自“危险”和“安全”等对比提示词的场景显示，该框架能够修改路径。该方法为将人类知识和安全考虑整合到建筑机器人导航中提供了灵活的基础。