超越不确定性：基于 FisherRF 的风险感知主动视角获取用于安全机器人导航与 3D 场景理解
机器人学
2025-01-20 v2
摘要
在使用 NeRF 和 3D Gaussian Splatting 进行机器人导航的背景下，主动视角获取问题已被广泛研究。为提高场景重建效率并确保机器人安全，我们提出了风险感知环境掩蔽框架。RaEM 利用一致性风险度量动态地优先处理未知环境中安全关键的区域，引导主动视角获取算法识别下一最佳视角（NBV）。结合通过最大化期望信息增益来选择 NBV 的 FisherRF，我们的框架实现了双重目标：提高机器人安全性并提升风险感知 3D 场景重建与理解的效率。大量高保真实验验证了我们方法的有效性，证明了其能够为主动机器人探索和 3D 场景理解建立稳健且以安全为核心的框架的能力。
引用
@article{arxiv.2403.11396,
title = {Beyond Uncertainty: Risk-Aware Active View Acquisition for Safe Robot Navigation and 3D Scene Understanding with FisherRF},
author = {Guangyi Liu and Wen Jiang and Boshu Lei and Vivek Pandey and Kostas Daniilidis and Nader Motee},
journal= {arXiv preprint arXiv:2403.11396},
year = {2025}
}