arXiv · 机器人与计算机视觉· Aditya Agarwal, Lucy Cai, Kelly Lu, Travis Manderson, Nicholas Roy, Tom\'as Lozano-P\'erez, Leslie Pack Kaelbling·· 16 天前AI 评分56
通过时空语义融合实现交互式物体搜索:一种结合 VLM 可信度与几何占位证据的三维信念场方法
Knowing Where to Look: Interactive Object Search via Spatial-Semantic Fusion
AI 导读
本文提出了一种将语义直觉与几何感知融合至显式三维信念场的交互物体搜索系统,旨在解决现有方法仅依赖单一模态(纯几何或语言模型)的局限。系统通过贝叶斯对数几率滤波累积每个物体的 VLM 可信度分数和几何占位证据,形成统一的高维信念场以驱动行动选择,包括从不同视角观察、导航至未探索区域或与封闭柜体进行物理交互。研究在双足移动机器人上进行了端到端部署,结果表明该方法优于仅基于几何或语言模型的规划方法。
来源:arXiv · 机器人与计算机视觉 · arxiv.org