2、机器人场景识别与目标搜索：从理论到实践

机器人场景识别与目标搜索：从理论到实践

1. 机器人场景识别概述

从 2014 年起，欧洲在机器人领域投入大量资金用于研究与创新，目标是让机器人具备感知能力和决策自主性，以应对长期的社会问题。场景知识对于机器人的可靠决策至关重要，它不仅涉及物体的存在，还包括物体间的空间关系。

1.1 场景与场景类别

场景被定义为环境的快照，包含风景、动态元素以及所有参与者和观察者的自我表征及其关系。场景类别则是将一组场景归为一个共同标签，场景识别就是评估感知到的物体配置与场景类别的匹配程度。例如，不同的银器配置代表不同的场景类别，机器人需要判断当前场景属于哪个类别。

1.2 场景识别方法

场景识别模型可分为符号和亚符号方法。符号方法依赖定性空间关系（QSR），用自然语言描述空间关系；亚符号方法则将基于部分的物体识别表示应用于场景，主要是概率方法。由于亚符号方法与我们的目标结构更相似且效果出色，因此本文采用亚符号方法。

1.3 场景识别的要求

为了让机器人自主学习场景模型，场景识别模型需要满足以下要求：
1. 统一的空间关系表示 ：能够描述各种类型的关系，并捕捉其细节。
2. 自由选择空间关系连接的物体对 ：可以灵活确定场景类别中哪些物体对通过空间关系相连。
3. 对缺失物体和杂乱环境的鲁棒性 ：在面对缺失物体和杂乱环境时，仍能准确识别场景。
4. 视角独立性 ：不依赖于观察场景的视角。
5.