HQC-NBV：一种混合量子-经典视图规划方法
计算机视觉与模式识别
2025-05-09 v1
摘要
高效视图规划是计算机视觉和机器人感知中的基本挑战，关乎从搜救作业到自主导航等各种任务。虽然经典方法，包括基于抽样和确定性的方法，已在为场景探索规划摄像机视点方面显示出前景，但它们在复杂环境下常常 struggle with 计算可扩展性和解的最优性。本研究引入 HQC-NBV，一种用于视图规划的混合量子-经典框架，利用量子特性高效探索参数空间，同时保持鲁棒性和可扩展性。我们提出了具有多组成本项的特定哈密顿量表述，并提出一种以参数为中心的变分猜想，采用双向交替纠缠模式捕获视点参数之间的层次依赖关系。全面实验表明，量子特有的组件提供了可衡量的性能优势。相较于经典方法，我们的方法在多样化环境中实现了最高可达 49.2% 的探索效率提升。我们对纠缠架构和保持相干性的术语进行了分析，为理解机器人探索任务中量子优势的机制提供了见解。这项工作代表了将量子计算集成到机器人感知系统中的重大进展，为各种机器人视觉任务提供了一种颠覆性的解决方案。
引用
@article{arxiv.2505.05212,
title = {HQC-NBV: A Hybrid Quantum-Classical View Planning Approach},
author = {Xiaotong Yu and Chang Wen Chen},
journal= {arXiv preprint arXiv:2505.05212},
year = {2025}
}