通过递归信念更新实现机器人室内导航中隐式目标描述的定位
机器人学
2020-11-11 v1
摘要
基于自然语言的机器人导航仍是一个具有挑战性的问题，因为人类所知的导航约束与目的地并不直接兼容于机器人知识库。本文中，我们旨在给定感兴趣地图的情况下，将自然语言目的地指令翻译为高层机器人导航规划。我们识别目的地描述的语法关联片段，并递归地将各片段应用于更新给定地图上区域上的信念分布。我们使用包含精确、邻近与方向修饰符类型的单步信念更新数据集训练一个目的地定位模型。我们在一个包含 80 个区域的办公室真实世界导航任务上演示了我们的方法。离线实验结果表明，我们的方法可直接从人类发出的未听过、长且复合的文本指令中提取目标目的地。这使得用户能以通用自然的形式为机器人指定其目的地目标。硬件实验结果也表明，所设计的模型为向服务机器人指定导航目标带来了极大便利。
引用
@article{arxiv.2011.05319,
title = {Grounding Implicit Goal Description for Robot Indoor Navigation Via Recursive Belief Update},
author = {Rui Chen and Jinxin Zhao and Liangjun Zhang},
journal= {arXiv preprint arXiv:2011.05319},
year = {2020}
}