早召回，晚精确：感知退化环境下受操作约束的多机器人语义物体建图
机器人学
2022-06-22 v1 人工智能
摘要
在搜索救援等长距离多机器人自主探索任务中，在不确定、感知退化的环境下进行语义物体建图十分重要且具有挑战性。在此类任务中，高召回率对于避免遗漏真实目标物体是必需的，而高精度对于避免将宝贵的操作时间浪费在误检上同样关键。鉴于视觉感知算法近期的进展，前者在很大程度上可自主解决，但后者若无人类操作员监督则难以处理。然而，任务时间、计算需求、网状网络带宽等操作约束，若管理不当会使操作员任务无法完成。我们提出早召回、晚精确（Early Recall, Late Precision, EaRLaP）语义物体建图流水线以解决该问题。EaRLaP 由 CoSTAR 团队在 DARPA 地下挑战赛中使用，成功检测了机器人团队遇到的所有 artifacts。我们将讨论这些结果以及 EaRLaP 在多个数据集上的表现。
引用
@article{arxiv.2206.10062,
title = {Early Recall, Late Precision: Multi-Robot Semantic Object Mapping under Operational Constraints in Perceptually-Degraded Environments},
author = {Xianmei Lei and Taeyeon Kim and Nicolas Marchal and Daniel Pastor and Barry Ridge and Frederik Schöller and Edward Terry and Fernando Chavez and Thomas Touma and Kyohei Otsu and Ali Agha},
journal= {arXiv preprint arXiv:2206.10062},
year = {2022}
}