基于个人化对象分解本体的室内空间对象搜索提升
机器人学
2025-06-18 v1
摘要
个人化是服务机器人发展的关键因素。机器人需要发展出对所处环境的量身定制的理解能力。此外，它们需要 awareness 环境中的变化以促进长期部署。长期理解和个人化是执行诸如“准备餐桌”或“整理我的房间”等复杂任务所必需的。一个前提是对象搜索。在本文中，我们聚焦于室内环境中多个对象的定位和搜索。本文提出了两个关键创新点。首先，我们提出了一种新框架，可使机器人推断室内环境的个人化本体。我们的框架由一种个人化模式构成，使机器人能够调整其对本体的理解。其次，我们提出了一种自适应推理策略。我们将动态信念更新集成到我们的方法中，这有助于改进多对象搜索任务中的性能。个人化和自适应推理的累积效应是改进长期对象搜索能力。该框架基于多层语义地图实现。我们在真实环境中进行实验，并与各种最先进方法进行比较，以展示我们方法的有效性。此外，我们展示了个人化可作为提升SOTA性能的催化剂。视频链接: https://bit.ly/3WHk9i9
引用
@article{arxiv.2506.14422,
title = {Enhancing Object Search in Indoor Spaces via Personalized Object-factored Ontologies},
author = {Akash Chikhalikar and Ankit A. Ravankar and Jose Victorio Salazar Luces and Yasuhisa Hirata},
journal= {arXiv preprint arXiv:2506.14422},
year = {2025}
}
备注
8 pages, 9 figures. Accepted for publication in 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems