面向协作式语义 SLAM 的人类交互：基于扩展现实

语义 SLAM（Simultaneous Localization and Mapping，同时定位与地图构建）系统通过为机器人地图添加结构和语义信息，使机器人能够在复杂环境中更有效地运行。然而，这些系统在遮挡、数据不完整或几何模糊的现实场景中难以胜任，因为它们无法充分利用人类天然应用的更高层次空间与语义知识。我们引入 HICS-SLAM，一个面向语义 SLAM 的人类在环（Human-in-the-Loop）框架，利用共享的扩展现实环境实现实时协作。该系统允许人类操作员直接与机器人的 3D 场景图交互，并将高层语义概念（如房间或结构实体）添加到地图构建过程中。我们提出一种基于图的语义融合方法，将这些人类干预与机器人感知集成，从而实现可扩展的协作以增强情境意识。在真实世界施工场地数据集上的实验评估表明，与自动化基线方法相比，房间检测准确率、地图精度和语义完整性均得到改善，证明了该方法的有效性及其潜在的未来扩展。