基于三维激光 LiDAR 的机器人定位精度提升——受记忆环路系统启发的模型
机器人学
2025-10-29 v1 人工智能
机器学习
系统与控制
系统与控制
神经元与认知
摘要
边界向量细胞（BVCs）是脊椎动物大脑中编码特定距离和相对位置方向上环境边界的神经元类群，在形成空间场域中起核心作用。大多数计算模型的 BVC 限制在二维环境中，面临水平环境对称性导致的空间歧义问题。为此，我们将垂直角度灵敏度纳入 BVC 框架，实现三维边界检测，显著提升生物仿生机器人模型的空间定位精度。该模型处理 LiDAR 数据捕获垂直轮廓，从而消除纯二维表征下难以区分的定位。实验结果表明，在垂直变化有限的环境中，3D 模型可与 2D 基线保持一致性能；但随着三维复杂度提升，其产生的空间场域更为明显，显著降低空间别名。这些发现表明，为 BVC 基于定位添加垂直维度，可在实际三维空间中显著提升导航与地图构建能力，同时在简单近平面场景中保持性能平衡。
引用
@article{arxiv.2510.24029,
title = {Improved Accuracy of Robot Localization Using 3-D LiDAR in a Hippocampus-Inspired Model},
author = {Andrew Gerstenslager and Bekarys Dukenbaev and Ali A. Minai},
journal= {arXiv preprint arXiv:2510.24029},
year = {2025}
}
备注
8 pages, 9 figures, Presented at the 2025 International Joint Conference on Neural Networks, Rome, July 2025