PSGSL: A Probabilistic Framework Integrating Semantic Scene Understanding and Gas Sensing for Gas Source Localization

要約

セマンティック シーンの理解により、ロボット エージェントは、複数のさまざまなセンサーからの情報を使用して、特定の事項について推論を行い、複雑な方法で問題について推論することができます。
その結果、この形式のインテリジェント ロボット工学は、単一のデータ ソースに基づく単純なアプローチよりも、より複雑なタスクを実行し、より正確な結果を達成することができます。
ただし、これらの機能の向上には、計算面でも設計面でもより複雑になるという代償が伴います。
設計の複雑さが増すため、意味論的な理解を活用するための正式なアプローチが必要になります。
ここでは、意味論的な知識をガス源位置特定 (GSL) のプロセスに統合するための確率的定式化を紹介します。
GSL の問題には多くの未解決の課題があり、提案された解決策はセンシング ハードウェアの制約に対処する必要があります。
意味論的なシーンの理解を活用することで、視覚などの他の情報源を活用して、情報源の場所の推定を改善できます。
私たちの定式化を既存の GSL アルゴリズムにどのように適用できるか、また、セマンティック データを含めることが発生源の位置の推定値に与える影響を示します。

要約(オリジナル)

Semantic scene understanding allows a robotic agent to reason about problems in complex ways, using information from multiple and varied sensors to make deductions about a particular matter. As a result, this form of intelligent robotics is capable of performing more complex tasks and achieving more precise results than simpler approaches based on single data sources. However, these improved capabilities come at the cost of higher complexity, both computational and in terms of design. Due to the increased design complexity, formal approaches for exploiting semantic understanding become necessary. We present here a probabilistic formulation for integrating semantic knowledge into the process of gas source localization (GSL). The problem of GSL poses many unsolved challenges, and proposed solutions need to contend with the constraining limitations of sensing hardware. By exploiting semantic scene understanding, we can leverage other sources of information, such as vision, to improve the estimation of the source location. We show how our formulation can be applied to pre-existing GSL algorithms and the effect that including semantic data has on the produced estimations of the location of the source.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google