基于不确定性知情动作选择的高效操作增强语义建图
机器人学
2025-09-03 v2
摘要
在家庭、办公室和学校等杂乱的人类环境中运行的服务机器人不能依赖预定义的物体排列，必须在应对可能频繁发生的重新排列的同时，持续更新其语义和空间估计。在这种条件下进行高效且准确的建图，需要选择信息丰富的视点并进行有针对性的操作，以减少遮挡和不确定性。在本工作中，我们提出了一种针对重遮挡货架场景的操作增强语义建图框架，该框架将证据度量语义建图与基于强化学习的下一最优视点规划和有针对性的动作选择相结合。我们的方法利用地图预测网络中 Dirichlet 和 Beta 分布的不确定性估计来指导主动传感器放置和物体操作，专注于高不确定性区域并选择具有高预期信息增益的动作。此外，我们引入了一种不确定性知情的推策略，针对遮挡关键物体并生成微创动作，通过减少场景中的整体不确定性来揭示隐藏区域。实验评估表明，我们的框架能够准确建图杂乱场景，同时大幅减少物体位移，并且与现有技术相比，规划时间减少了 95%，从而实现了现实世界的适用性。
引用
@article{arxiv.2506.02286,
title = {Efficient Manipulation-Enhanced Semantic Mapping With Uncertainty-Informed Action Selection},
author = {Nils Dengler and Jesper Mücke and Rohit Menon and Maren Bennewitz},
journal= {arXiv preprint arXiv:2506.02286},
year = {2025}
}