从 SLAM 到态势感知：挑战与综述

移动机器人高效、安全地执行复杂任务的能力受限于其对环境的认知，即态势。先进的推理、决策与执行能力使智能体能在未知环境中自主行动。态势感知（SA）是人类的一项基本能力，已在心理学、军事、航空航天和教育等多个领域被深入研究。然而，机器人领域尚未考虑该能力，其一直聚焦于感知、空间感知、传感器融合、状态估计和同步定位与建图（SLAM）等单一割裂概念。因此，本研究旨在连接广泛的多学科现有知识，为移动机器人完整的 SA 系统铺平道路，我们认为这对自主性至关重要。为此，我们定义了构建机器人 SA 的主要组成部分及其职能范围。相应地，本文调研了涵盖各方面 SA 的机器人前沿算法，并讨论其当前局限。值得注意的是，SA 的基本方面仍不成熟，因为当前的算法发展将其性能限制于特定环境。尽管如此，人工智能（AI），特别是深度学习（DL），已带来新方法以弥合这些领域与真实场景部署之间的差距。此外，我们发现了通过态势图（S-Graph）机制互联高度碎片化的机器人理解算法空间的机会，态势图是著名场景图的泛化。因此，我们通过讨论近期有趣的研究方向，最终勾勒出我们对机器人态势感知未来的愿景。