Concept-Guided Exploration: Building Persistent, Actionable Scene Graphs
本文提出了一种以概念为先的分布式架构，其中针对房间和门等空间概念的自主智能体通过层级约束传播与预测匹配循环进行协作，从而构建持久且可操作的场景图，使机器人能够在不依赖预存全局度量地图的情况下理解室内布局。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
长期以来，机器人一直能够通过构建关于物体位置的精神地图来导航世界，就像一个人在纸上画网格来标记墙壁和家具的位置一样。这种被称为度量制建图（metric mapping）的方法在避免碰撞方面表现出色，但往往对意义缺乏感知。对于仅使用这种网格的机器人来说，一个房间仅仅是空闲方块和占用方块的集合；它并不理解某个方块是一个通往“厨房”的“门”，或者一把“椅子”属于“客厅”。为了让机器真正与人类空间进行交互，它需要的不仅仅是坐标；它需要理解赋予这些空间的用途的概念。研究人员一直在探讨的问题是，机器人是否可以在不预先创建一个完美、详细的整个环境地图的情况下，从零开始构建这种具有意义的理解。
西班牙埃斯特雷马杜拉大学的一个研究小组采取了一条不同的路径来回答这个问题。他们没有先建立地图再尝试对其进行标注，而是设计了一个让机器人从一开始就具备“想法”的系统。他们创造了一个从一开始就以“房间”和“门”进行思考的机器人。想象一下，一个机器人进入一栋黑暗、空旷的建筑。这个机器人并不会扫描每一寸地板来创建一个巨大的、复杂的全空间图像，而是寻找定义一个房间的特定形状和模式。一旦它找到了一个房间，它就会利用这一知识来帮助它寻找门。这是一个利用人类概念作为机器人感知的基石，自上而下构建理解的过程。
研究人员使用了一个名为 CORTEX 的框架来构建他们的系统，该框架就像一个繁忙的办公室，其中不同的专业人员或“智能体”（agents）处理不同的任务。在这种情况下，有一个专门负责寻找房间的智能体，以及另一个专门负责寻找门的智能体。这些智能体不会等待指令；它们独立且异步地工作，不断检查机器人的传感器以寻找符合其特定概念的证据。当机器人进入一个新空间时，“房间智能体”就会苏醒。它会扫描来自机器人激光传感器的 3D 数据，寻找暗示矩形房间的角点和直线。如果它找到了足够的证据，它会在机器人的记忆中创建一个该房间的临时模型。
一旦一个房间被确立，它就会改变整个系统的规则。“门智能体”现在被允许开始工作了，而且它拥有一个显著的优势：它确切地知道该去哪里寻找。因为房间智能体已经定义了墙壁，所以门智能体不必在整个世界中搜索门。它只沿着房间智能体已经确认的墙壁进行搜索。这就是研究人员所称的层级约束传播（hierarchical constraint propagation）。通过让“房间”这一更高层级的概念来引导对“门”这一低层级概念的搜索，机器人变得更加高效且不易出错。这有点像知道你在厨房里会让寻找冰箱变得容易得多；你不需要检查房子里的每一个物体，你只需要看厨房就行。
机器人不仅仅是坐着等待数据；它会主动移动以收集所需的信息。如果房间智能体不确定房间的大小，它可以要求机器人移动到更好的观察点以获得更清晰的视野。同样，如果门智能体发现了一个潜在的门但需要确认，它可以引导机器人靠近。这创造了一个循环，即机器人的行动是由其理解世界的需求所驱动的。当它从一个房间移动到另一个房间时，它会构建一个连接的地图。它记得房间 A 通过特定的门与房间 B 相连。如果机器人返回到之前见过的房间，它可以通过将新的视图与旧的记忆进行匹配来识别它，从而有效地闭合其精神地图中的环路。
团队在模拟环境中测试了这个系统，随后也在实验室中通过一个在两个房间之间移动的真实机器人进行了测试。在模拟中，机器人成功构建了一个场景图（scene graph）——即一个关于物体及其相互关系的结构化列表——而从未预先创建过整个建筑的完整、稠密地图。机器人学习了房间的布局和门的位置，并将它们连接起来，从而实现往返导航。当他们在真实机器人上进行测试时，该系统维持了对房间的理解长达数小时，其定位误差最大仅为 15 厘米。研究人员发现，机器人可以处理现实世界传感器中的噪声和缺陷，即使在数据不完美的情况下，也能正确识别房间的结构和门。
最重要的发现之一是，这种方法在不需要预先存在地图的情况下即可奏效。机器人从零开始，并在前进的过程中构建其理解。研究人员还表明，这种方法在计算上是非常高效的。因为机器人只将其当前所在的房间细节保存在活跃记忆中，所以它不会被庞大的建筑规模所困扰。理论上，它可以通过只关注眼前的环境，同时保留一个关于房间如何连接的简单高层列表，来穿越大型医院或办公综合体。这使得该系统具有可扩展性，并适用于长期运行。
然而，研究人员也明确指出了目前工作的局限性。该系统在具有矩形房间和直墙的结构化环境中表现最好。在家具阻挡视线或房间具有异常非矩形形状的杂乱空间中，它会表现得比较吃力。当前版本依赖于简单的检测方法来证明架构的可行性，而不是使用目前最先进的人工智能模型。研究人员承认，如果用更强大的检测器替换这些简单的检测器，系统的性能会更好，但使用概念来引导搜索的核心思想保持不变。他们还指出，目前的系统假设一旦识别出房间或门，它们就会保持不变，但这在事物会移动或变化的动态世界中并不总是成立。
这项工作的意义在于它实现了从机器人感知空间传统方式的转变。多年来，标准方法是先建立一个完美的几何地图，然后再尝试添加标签。这种新方法表明，从标签（即房间和门的概念）开始，并让几何结构从中涌现出来，不仅是可能的，而且可能更有效。这创造了一种不仅是点集，而且是人类可以轻松理解的空间与连接故事的世界表征。这是迈向让机器人能够用人类理解的术语来谈论它们所处位置及正在做的事情的机器人的一步，而不仅仅是坐标。研究人员认为，这是未来能够自主学习新概念的系统的基础，从而使机器人能够适应更多样化的环境和任务，最终使它们成为人类空间中更强大的伙伴。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。