《改善新环境下的自主导航和估计》麻省理工学院2022最新184页博士论文

在新环境中有效的自主导航对于智能体达到更复杂的自主水平至关重要。我们对改善携带轻型光电传感器有效载荷的车辆在未知环境中的自主导航和估计感兴趣。由于传感的限制，在非琐碎的新环境中，世界的许多几何结构还没有被观察到，导致了严重的几何模糊性。尽管收集额外的几何信息可以减少模糊性，但这样做往往与任务的目标相抵触。我们建议将对象层面的语义信息和几何信息结合起来，以切实改善导航和估计。

在这篇论文中，我们提出了在新环境中改善自主导航的三个贡献。首先，我们通过将有用的导航行为编码在由部分占有率和对象级地图告知的抽样分布中，来提高新环境中的导航效率。我们认识到，在有效导航时，在有限的视角下，对象层面的估计是具有挑战性的，因此我们还开发了两种在线建立对象层面表征的方法。在我们的第二个贡献中，我们通过引入额外的纹理测量和语义类形状先验，提高了带有椭圆体表征的对象级SLAM的视点效率。最后，在我们的第三个贡献中，我们提出了一种新的深度学习的三维对象估计方法，利用间接的图像空间注释和类内形状一致性来实现从单一的RGB图像的三维对象估计。