基于置信度校准感知与拓扑子目标选择的四足机器人决策驱动语义目标探索
机器人学
2026-03-09 v2 计算机视觉与模式识别
摘要
传统的四足机器人导航管道仍主要依赖几何中心化，依赖稠密SLAM表示，这些表示在快速运动下脆弱且对开放世界语义决策支持有限。本文聚焦于决策驱动的语义目标探索，其中主要挑战在于如何将噪声且异构的语义观测转化为稳定且可执行的探索决策。我们提出一种基于视觉的方法，显式地解决这一问题，通过置信度校准语义证据仲裁、受控增长语义拓扑记忆以及语义效用驱动的子目标选择机制。这些组件使机器人能够在时间上积累与任务相关的语义知识，并选择在语义相关性、可靠性和可达性之间进行平衡的探索目标，而无需依赖稠密几何重建。广泛的仿真和真实环境实验表明，所提出的机制一致地提高了语义决策输入的质量、子目标选择的准确性以及四足机器人的整体探索性能。
引用
@article{arxiv.2509.20739,
title = {Decision-Driven Semantic Object Exploration for Legged Robots via Confidence-Calibrated Perception and Topological Subgoal Selection},
author = {Guoyang Zhao and Yudong Li and Weiqing Qi and Kai Zhang and Bonan Liu and Kai Chen and Haoang Li and Jun Ma},
journal= {arXiv preprint arXiv:2509.20739},
year = {2026}
}