【SLAM】卡内基梅隆大学&Facebook人工智能研究中心，利用语义和近似几何推理的空间拓扑表示法，解决未知的环境中导航问题

论文地址：http://arxiv.org/pdf/2005.12256v2.pdf 代码：https://devendrachaplot.github.io/projects/neural-topological-slam 来源：卡内基梅隆大学，Facebook人工智能研究中心，UIUC 论文名称：Neural Topological SLAM for Visual Navigation 原文作者：Devendra SinghChaplot

本文研究了图像目标导航问题，即在未知的环境中导航到目标图像所指示的位置。为了解决这个问题，我们设计了有效利用语义和提供近似几何推理的空间拓扑表示法。该表示法的核心是具有相关语义特征的节点，这些语义特征通过粗糙的几何信息相互连接。本文描述了监督式的学习算法，这些算法可以在噪声驱动下构建、维护和使用空间拓扑表示法。通过视觉和物理仿真的实验研究表明，我们的方法建立了有效的表示，能够捕获结构规律，并且有效地解决长视距导航问题。本文方法性能相比于现有方法至少提高了50%。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。