用于人机观测贝叶斯融合的空间语言似然接地网络
机器人学
2025-07-31 v2 计算与语言
信息论
机器学习
系统与控制
系统与控制
math.IT
摘要
融合来自人类观测的信息可以帮助机器人克服协作任务中的感知限制。然而，一个不确定性感知的融合框架需要一个表示人类输入不确定性的接地似然。本文提出了一个特征金字塔似然接地网络（FP-LGN），它通过学习相关的地图图像特征及其与空间关系语义的联系来接地空间语言。该模型被训练为一个概率估计器，使用三阶段课程学习来捕获人类语言中的偶然不确定性。结果表明，FP-LGN 在平均负对数似然（NLL）上与专家设计的规则相匹配，并展现出更强的鲁棒性和更低的标准差。协作感知结果表明，接地似然成功地实现了异构人类语言观测和机器人传感器测量的不确定性感知融合，在人类-机器人协作任务性能上取得了显著提升。
引用
@article{arxiv.2507.19947,
title = {Spatial Language Likelihood Grounding Network for Bayesian Fusion of Human-Robot Observations},
author = {Supawich Sitdhipol and Waritwong Sukprasongdee and Ekapol Chuangsuwanich and Rina Tse},
journal= {arXiv preprint arXiv:2507.19947},
year = {2025}
}
备注
Accepted to the 2025 IEEE International Conference on Systems, Man, and Cybernetics (SMC); Supplementary video: https://cu-asl.github.io/fp-lgn/