PSGSL：集成语义场景理解与气体感知的概率框架用于气体源定位
机器人学
2025-01-23 v1
摘要
语义场景理解使机器人智能体能够利用来自多个和 varied 传感器的信息，对特定事务进行推理，从而实现更复杂的任务和更精确的结果。然而，这种智能机器人技术的改进能力以更高的计算和设计复杂度为代价。由于设计复杂度的增加，针对语义理解的形式化方法变得必要。我们在此提出了将语义知识集成到气体源定位(GSL)过程中的概率公式。GSL问题存在许多未解决的挑战，所提出的解决方案需要应对感知硬件的制约限制。通过利用语义场景理解，我们可以利用视觉等其他信息源来改进源位置的估计。我们展示了该公式如何应用于现有的GSL算法以及包含语义数据后对源位置估计产生的影响。
引用
@article{arxiv.2501.12812,
title = {PSGSL: A Probabilistic Framework Integrating Semantic Scene Understanding and Gas Sensing for Gas Source Localization},
author = {Pepe Ojeda and Javier Monroy and Javier Gonzalez-Jimenez},
journal= {arXiv preprint arXiv:2501.12812},
year = {2025}
}