SeGuE：面向移动机器人的语义引导探索

具身AI应用的兴起使机器人能够执行需要对其环境进行复杂理解的复杂任务。为了在此类场景中实现成功的机器人操作，构建的地图除了几何信息外还必须包含语义信息。在本文中，我们探讨了语义探索这一新颖问题，即移动机器人必须自主探索环境以完整绘制其结构及特征的语义外观。我们开发了一种基于下一最佳视角探索的方法，其中根据从该位姿可见的语义特征对潜在位姿进行评分。我们探索了两种用于采样潜在视角的替代方法，并在仿真和物理实验中展示了我们框架的有效性。高质量语义地图的自动创建能够使机器人更好地理解并与环境交互，并使未来的具身AI应用更容易部署。