Bayesian BIM-Guided Construction Robot Navigation with NLP Safety Prompts in Dynamic Environments

要約

建設ロボット工学は、タスクの実行のための自然言語処理にますます依存しており、複雑で動的な環境でコマンドを解釈するための堅牢な方法が必要になります。
既存の研究では、主にロボットが実行すべきタスクに焦点を当てていますが、これらのタスクを安全かつ効率的に実行する方法にはあまり注意が払われていません。
このペーパーでは、自然言語コマンドからの感情分析を使用して、建設環境でロボットナビゲーションポリシーを動的に調整する新しい確率的フレームワークを紹介します。
フレームワークは、ビルディング情報モデリング（BIM）データと自然言語プロンプトを活用して、さまざまなレベルの環境リスクと不確実性を説明する適応ナビゲーション戦略を作成します。
指数関数的潜在フィールドと、ユーザープロンプトのセマンティック分析に基づいて潜在的なフィールドが動的に調整される環境のグリッドベースの表現を組み合わせたオブジェクトアウェアパス計画アプローチを導入します。
このフレームワークは、BIMからの静的データ、自然言語コマンドの意味コンテンツ、およびユーザープロンプトからの暗黙の安全上の制約など、複数の情報ソースを統合するためにベイジアン推論を採用しています。
ベースラインの最短パス計画、安全指向のナビゲーション、リスク認識ルーティングの3つのシナリオを比較した実験を通じてアプローチを実証します。
結果は、私たちの方法が自然言語の感情に基づいてパス計画を正常に適応させ、合理的な経路の長さを維持しながら、安全性が優先されるときに最小距離で50 \％の改善を達成することを示しています。
「危険」や「安全」などの対照的なプロンプトを持つシナリオは、パスを変更するフレームワークの能力を示しています。
このアプローチは、人間の知識と安全性の考慮事項を建設ロボットナビゲーションに統合するための柔軟な基盤を提供します。

要約(オリジナル)

Construction robotics increasingly relies on natural language processing for task execution, creating a need for robust methods to interpret commands in complex, dynamic environments. While existing research primarily focuses on what tasks robots should perform, less attention has been paid to how these tasks should be executed safely and efficiently. This paper presents a novel probabilistic framework that uses sentiment analysis from natural language commands to dynamically adjust robot navigation policies in construction environments. The framework leverages Building Information Modeling (BIM) data and natural language prompts to create adaptive navigation strategies that account for varying levels of environmental risk and uncertainty. We introduce an object-aware path planning approach that combines exponential potential fields with a grid-based representation of the environment, where the potential fields are dynamically adjusted based on the semantic analysis of user prompts. The framework employs Bayesian inference to consolidate multiple information sources: the static data from BIM, the semantic content of natural language commands, and the implied safety constraints from user prompts. We demonstrate our approach through experiments comparing three scenarios: baseline shortest-path planning, safety-oriented navigation, and risk-aware routing. Results show that our method successfully adapts path planning based on natural language sentiment, achieving a 50\% improvement in minimum distance to obstacles when safety is prioritized, while maintaining reasonable path lengths. Scenarios with contrasting prompts, such as ‘dangerous’ and ‘safe’, demonstrate the framework’s ability to modify paths. This approach provides a flexible foundation for integrating human knowledge and safety considerations into construction robot navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google