保持局部性、轻量化与真实性：基于边缘计算设备的自动化报告生成用于机电-认知系统

深度学习的 recent 进展使具备集成人工智能的硬件认知系统（即通用的机电系统和机器人）能够与动态且非结构化的环境进行交互。尽管结果令人印象深刻，但将此类系统应用于自动驾驶等关键任务以及服务和护理机器人，仍需评估大量异构数据。移动机器人自动化报告生成在促进这些系统在多个领域的评估与接受方面发挥着关键作用。本文提出了一种管道，用于生成基于各种多模态传感器的自然语言自动化报告，该管道仅依赖可部署在边缘计算设备上的本地模型，从而保护所有参与者的隐私，无需依赖外部服务。具体而言，我们在覆盖室内、户外和城市环境的多样化数据集上评估了我们的实现，提供了定性和定量评估结果。各种生成的示例报告及其他补充材料均可通过公开仓库获取。