在类流环境中学习与利用特征以提升态势感知

本文研究在类流环境中，全局动力学与高层特征知识如何为机器人决策提供信息。具体而言，我们探究在这类环境中发现的环境特征——相干集（coherent sets），如何在这些场景下增强机器人的感知。所提出的方法是一个可在线生成环境特征以供机器人推理使用的生成器。我们利用机器学习技术在线计算相干集，并设计利用相干集特征的机器人行为框架。我们证明了在线方法相对于离线方法的有效性。值得注意的是，我们将这些在线方法应用于机器人对行人行为的监测以及机器人在水中的导航。诸如相干集之类的环境特征为机器人提供了丰富的上下文，以实现更智能、更高效的行为。