English(EN) Generation of Uncertainty-Aware High-Level Spatial Concepts in Factorized 3D Scene Graphs via Graph Neural Networks

图神经网络自动生成用于机器人导航的空间概念

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-30 04:00

研究人员开发了一种新方法，使用图神经网络自动生成3D场景图中的高层空间概念。该方法无需手动启发式方法来识别房间和墙壁等概念，而是从几何观察中在线推断它们。该系统将这些推断出的概念作为可优化因素集成到SLAM后端，从而提高了模拟和真实环境中房间检测和轨迹估计的准确性。 AI

影响自动化机器人关键感知任务，可能提高在复杂环境中的导航和建图能力。

排序理由该集群包含一篇学术论文，详细介绍了使用图神经网络生成空间概念的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Jose Andres Millan-Romera, Muhammad Shaheer, Miguel Fernandez-Cortizas, Martin R. Oswald, Holger Voos, Jose Luis Sanchez-Lopez · 2026-06-30 04:00

通过图神经网络在因子化3D场景图中生成不确定性感知的高层空间概念

arXiv:2409.11972v4 Announce Type: replace-cross Abstract: Enabling robots to autonomously discover high-level spatial concepts (e.g., rooms and walls) from primitive geometric observations (e.g., planar surfaces) within 3D Scene Graphs is essential for robust indoor navigation an…