LatentBKI：具可量化不确定性的视觉-语言潜在空间开放词典连续映射
计算机视觉与模式识别
2025-01-23 v2 机器人学
摘要
本文提出一种新型概率映射算法 LatentBKI，实现具可量化不确定性的开放词典映射。传统语义映射算法聚焦于固定的语义类别集合，这限制了其在复杂机器人任务中的适用性。视觉-语言 (VL) 模型最近作为一种技术出现，用于在潜在空间中联合建模语言和视觉特征，实现语义识别超出预定义固定语义类的能力。LatentBKI 持续性地将 VL 模型的神经嵌入纳入带可量化不确定性的体素地图，利用相邻观测的空间相关性通过贝叶斯核推断 (BKI) 实现。LatentBKI 在流行的 Matterport3D 和 Semantic KITTI 数据集上评估于相似的显式语义映射和 VL 映射框架，证明 LatentBKI 在保持连续映射概率优势的同时，额外提供开放词典查询功能。实际环境实验表明其适用于具有挑战性的室内环境。
引用
@article{arxiv.2410.11783,
title = {LatentBKI: Open-Dictionary Continuous Mapping in Visual-Language Latent Spaces with Quantifiable Uncertainty},
author = {Joey Wilson and Ruihan Xu and Yile Sun and Parker Ewen and Minghan Zhu and Kira Barton and Maani Ghaffari},
journal= {arXiv preprint arXiv:2410.11783},
year = {2025}
}