基于语义特征的在线信息采样在水下环境中的应用
机器人学
2024-02-07 v1
摘要
水下世界在很大程度上仍未被探索，自主水下航行器（AUV）在海底探索中扮演着关键角色。然而，使用AUV持续监测水下环境会产生大量数据。此外，从水下环境发送实时数据流需要AUV配备专用的机载数据存储选项，这可能会妨碍其他更高优先级任务的需求。信息采样技术通过浓缩观测结果提供了一种解决方案。在本文中，我们提出了一种语义感知的在线信息采样（ON-IS）方法，该方法实时采样AUV的视觉体验。具体而言，我们从微调后的目标检测模型中获取视觉特征，以使采样结果与期望的语义信息对齐。我们的贡献包括：(a) 一种新颖的语义在线信息采样（SON-IS）算法，(b) 一项验证所提方法的用户研究，以及 (c) 一种新颖的评估指标，用于根据人类受试者建议的样本对我们的算法进行评分。
引用
@article{arxiv.2402.03636,
title = {Online Informative Sampling using Semantic Features in Underwater Environments},
author = {Shrutika Vishal Thengane and Yu Xiang Tan and Marcel Bartholomeus Prasetyo and Malika Meghjani},
journal= {arXiv preprint arXiv:2402.03636},
year = {2024}
}
备注
In proceeding of IEEE/MTS OCEANS, 2024