2、机器人导航与康复检测技术的创新探索

机器人导航与康复检测技术的创新探索

机器人目标导向导航技术

目标导向导航对于机器人在未知环境中的自主运行至关重要。该技术旨在让机器人从随机位置出发，寻找当前视野中不可见的目标物体。在这个过程中，机器人完全依赖实时视觉输入进行行动规划，其可执行的动作包括前进、左转、右转、抬头、低头和完成任务。当目标物体可见且与机器人的距离小于1.5米时，导航任务被视为成功。为了便于评估，单个导航任务的最大步数被限制为 $E_{max}$。

整个目标导向导航框架主要由三个模块组成：
1. MattKG模块 ：用于嵌入先验对象关系，通过从大规模真实场景中提取对象关系构建知识图谱，为机器人提供先验领域知识。
2. 上下文嵌入模块 ：对机器人观察到的场景进行编码，开发了一种新颖的6 - D上下文向量，将观察到的对象、相对对象位置及其与目标对象的先验关系进行有机整合。
3. 端到端学习模块 ：采用异步优势演员 - 评论家（A3C）作为骨干网络，基于基线模型进行实现。

基于Matterport3D的知识图谱（MattKG）

不同场景具有不同的特征和领域知识，仅依靠常识知识库和本体难以满足目标导向导航任务的需求。因此，提出了基于Matterport3D的知识图谱MattKG。Matterport3D是最大的真实室内RGB - D数据集，包含来自90座建筑物的RGB - D图像，覆盖46,561平方米的建筑面积，包括2056个房间和多种房间类型。

MattKG的结构定义为 $G = (V, E, w)$，其中 $V$ 是图中的节