基于语言的群体感知：通过自然语言描述实现去中心化行人重识别
机器人学
2026-01-21 v1
摘要
我们提出了一种在机器人群体中进行去中心化行人重识别的方法，该方法利用自然语言作为主要的表征模态。与依赖不透明视觉嵌入（即从图像中提取的高维特征向量）的传统方法不同，所提出的方法使用人类可读的语言来表示观测结果。每个机器人使用视觉语言模型(VLM)本地检测和描述个体，生成关于外观的文本描述而非特征向量。这些描述在群体中进行比较和聚类，无需集中协调，从而使机器人能够协作地对同一观测个体的观测结果进行分组。每个聚类由语言模型提炼成一个代表性描述，为群体的集体感知提供可解释、简洁的摘要。这种方法支持自然语言查询，增强了透明度，并支持可解释的群体行为。初步实验表明，尽管在文本相似度和计算负载方面存在当前局限性，但与基于嵌入的方法相比，该方法在身份一致性和可解释性方面具有竞争性表现。正在进行的工作探索了改进的相似度度量、语义导航以及将基于语言的感知扩展到环境元素。这项工作优先考虑去中心化感知和通信，而主动导航仍是未来研究的一个开放方向。
引用
@article{arxiv.2601.12479,
title = {Language-Based Swarm Perception: Decentralized Person Re-Identification via Natural Language Descriptions},
author = {Miquel Kegeleirs and Lorenzo Garattoni and Gianpiero Francesca and Mauro Birattari},
journal= {arXiv preprint arXiv:2601.12479},
year = {2026}
}