SemSight：面向导航的多层场景语义概率鸟瞰视图预测
机器人学
2025-09-26 v1
摘要
在目标驱动导航和自主探索中，对未知区域的合理预测对高效导航和环境理解至关重要。现有方法大多 focus于单个对象或几何占据图，缺乏建模房间级别语义结构的能力。我们提出 SemSight，一个用于多层场景语义的概率鸟瞰视图预测模型。该模型联合推断结构布局、全局场景上下文以及目标区域分布，完成对未探索区域的语义地图，同时估计目标类别的概率图。为训练 SemSight，我们在 2000 个室内布局图上模拟前沿驱动的探索，构建了包含 40,000 组顺序偶然观察与完整语义地图对应的多样化数据集。我们采用编码器-解码器网络作为核心架构，引入掩码约束监督策略。该策略应用未探索区域的二进制掩码，使得监督仅聚焦于未知区域，迫使模型仅凭观察到的上下文推断语义结构。实验结果表明，SemSight 在未探索区域对关键功能类别的预测性能得到提升，在结构一致性（SC）和区域识别准确率（PA）等指标上超越非掩码监督方法。它还增强了闭环仿真中的导航效率，减少了引导机器人前往目标区域的搜索步数。
引用
@article{arxiv.2509.20839,
title = {SemSight: Probabilistic Bird's-Eye-View Prediction of Multi-Level Scene Semantics for Navigation},
author = {Jiaxuan He and Jiamei Ren and Chongshang Yan and Wenjie Song},
journal= {arXiv preprint arXiv:2509.20839},
year = {2025}
}