ATLAS Navigator: Active Task-driven LAnguage-embedded Gaussian Splatting

要約

ロボットがリアルタイムで豊富なメトリックセマンチックなマップを漸進的に構築し、推論する必要がある非構造化された未知の環境でのタスク指向ナビゲーションの課題に対処します。
タスクには明確化または再仕様が必要になる場合があるため、マップ内の情報が幅広いタスクにわたって一般化を可能にするのに十分なほど豊富である必要があります。
自然言語で指定されたタスクを効果的に実行するために、衝突のないナビゲーションのためのオンライン操作と密集した幾何学的表現に役立つまばらなセマンティック計画の両方を可能にする言語埋め込まれたガウスのスプラッティングに基づいた階層表現を提案します。
散らかった屋内とキロメートルの屋外環境の両方で実施さ​​れた現実世界のロボット実験を通じて、私たちの方法の有効性を検証し、特権的なベースラインに対して約60％の競争比があります。
実験ビデオと詳細については、プロジェクトページ：https：//atlasnav.github.ioをご覧ください。

要約(オリジナル)

We address the challenge of task-oriented navigation in unstructured and unknown environments, where robots must incrementally build and reason on rich, metric-semantic maps in real time. Since tasks may require clarification or re-specification, it is necessary for the information in the map to be rich enough to enable generalization across a wide range of tasks. To effectively execute tasks specified in natural language, we propose a hierarchical representation built on language-embedded Gaussian splatting that enables both sparse semantic planning that lends itself to online operation and dense geometric representation for collision-free navigation. We validate the effectiveness of our method through real-world robot experiments conducted in both cluttered indoor and kilometer-scale outdoor environments, with a competitive ratio of about 60% against privileged baselines. Experiment videos and more details can be found on our project page: https://atlasnav.github.io

arxiv情報

提供元, 利用サービス

arxiv.jp, Google