利用期望计算模型在 3D 场景图上进行常识可供性估计
机器人学
2025-05-07 v2
摘要
本文研究常识物体可供性概念，以实现城市环境中具身智能体接近人类的任务规划与任务优化。物体可供性的重点在于推理如何在任务执行期间有效识别物体的内在效用，本工作通过分析 3D 场景图中稀疏信息的上下文关系来实现这一点。所提出的框架开发了一个相关信息 (CECI) 模型，利用图卷积网络学习概率分布，从而能够提取语义类中各个成员的常识可供性。整个框架在真实世界的室内环境中进行了实验验证，展示了该方法达到人类常识水平的能力。有关展示实验演示的本文视频，请访问以下链接：https://youtu.be/BDCMVx2GiQE
引用
@article{arxiv.2409.05392,
title = {Leveraging Computation of Expectation Models for Commonsense Affordance Estimation on 3D Scene Graphs},
author = {Mario A. V. Saucedo and Nikolaos Stathoulopoulos and Akash Patel and Christoforos Kanellakis and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2409.05392},
year = {2025}
}
备注
Accepted at IROS24