以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
#论文# RSS 2023| 如何不驯龙?：具有语义前沿的免训练具身对象目标导航
【How To Not Train Your Dragon: Training-free Embodied Object Goal Navigation with Semantic Frontiers】
作者单位：ETH Zürich苏黎世、 阿卜杜拉国王科技大学( KAUST )
文章链接：http://www.roboticsproceedings.org/rss19/p075.pdf
物体目标导航是具身AI中的一个重要问题，它涉及引导智能体在未知环境(典型的室内场景)中导航到物体类别的实例。不幸的是，目前解决该问题的先进方法严重依赖于数据驱动的方法，例如，端到端的强化学习，模仿学习和其他方法此外，这些方法通常训练成本高，调试困难，导致缺乏可移植性和可解释性。受最近将经典方法和学习方法相结合的成功启发，我们提出了一种模块化和免训练的解决方案，它包含了更经典的方法来处理对象目标导航问题。该方法基于经典的视觉同时定位与地图构建( visual Simultaneous Localization and Mapping，V-SLAM )框架构建结构化的场景表示。
然后，我们将语义注入到基于几何的前沿探索中，以推理有希望的领域来搜索目标对象。我们的结构化场景表示包括二维占有率图、语义点云和空间场景图。我们的方法基于语言先验和场景统计在场景图上传播语义，将语义知识引入几何边界。通过注入的语义先验，智能体可以推理出最有希望探索的前沿。本文提出的方法在Gibson基准数据集上对目标导航表现出了较强的实验性能，超过了之前的最先进水平。我们还进行了全面的消融研究，以识别物体导航任务中的当前瓶颈。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
推荐阅读
如何快速上手基于NeRF的SLAM？
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）
【全网首个】3D Gaussian Splatting原理、应用场景及最新进展
【全网首个】详解深度学习特征提取匹配开源算法SuperPoint和SuperGlue
