以下内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

【Evidential Semantic Mapping in Off-road Environments with Uncertainty-aware Bayesian Kernel Inference】

文章链接：[2403.14138] Evidential Semantic Mapping in Off-ro...

项目主页：https://kjyoung.github.io/Homepage/#/Projects/Evid...

基于贝叶斯核推理( Bayesian Kernel Inference，BKI )的机器人地图通过有效利用局部空间信息，在创建语义地图方面表现出了良好的前景。然而，由于不可靠的语义预测，现有的语义建图方法在非结构化室外场景中构建可靠地图面临挑战。为了解决这个问题，我们提出了一种证据语义建图，它可以增强在具有感知挑战性的越野环境中的可靠性。我们将证据深度学习融入到语义分割网络中，得到语义预测的不确定性估计。随后，这种语义不确定性被纳入到一个不确定感知BKI中，以在积累语义信息时优先考虑更有信心的语义预测。通过自适应地处理语义不确定性，所提出的框架即使在以前看不见的环境中也能构建环境的鲁棒表示。在各种越野数据集上的综合实验表明，我们的框架提高了准确性和鲁棒性，在具有高感知不确定性的场景中一致优于现有方法。

以上内容来自小六的机器人AI学习圈（6年积累，全国最大的机器人SLAM交流社区，为SLAM行业从业者提供从入门、学习、交流、求职、线下链接、合作、咨询、答疑等一系列的服务）知识星球每日更新内容

推荐阅读

3D高斯泼溅 为什么能一直火？有哪些应用场景？香港大学开源的这个激光雷达惯性SLAM，太强了！一招掌握3DGS基础视觉三维重建！深度计算+点云处理+网格重建优化+纹理贴图！谷歌这个SLAM开源方案，造福了整个机器人行业！重大变革！NeRF和3D高斯喷溅如何重塑SLAM？发顶会顶刊不再难！多传感器融合SLAM、生成式AI、3DGS、NeRF、标定等方向这个开源框架，造福了无数卫星定位研究者和初创公司！BOSS：用了机器人仿真，立省几十万自动驾驶中的GNSS、RTK到底多重要？太强了！世界第一款开源的自动驾驶一体化框架Autoware！（附交流群）如何从零开始搭一套自己的SLAM系统？17讲全部上线！全网首个详解深度学习特征开源算法SuperPoint和SuperGlue（附交流群）最炸裂的机器人AI技术教程都在这了！