适应性路线记忆序列用于以昆虫为灵感的视觉路线导航
Efstathios Kagioulis1, James Knight1, Paul Graham2
1Sussex AI, School of Engineering and Informatics, University of Sussex, Brighton BN1 9QJ, UK.
Biomimetics (Basel, Switzerland)
|December 27, 2024
概括
将序列信息纳入基于熟悉性的视觉导航算法显著提高了机器人导航性能. 这种方法通过使用内存窗口来提高准确性并减少计算负载,模仿昆虫导航策略.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 动物行为 动物行为
背景情况:
- 基于熟悉的视觉导航算法受到社会昆虫的启发,但忽略了时间信息.
- 目前的算法使用存储的全景图像进行路线回顾,丢失序列数据.
研究的目的:
- 研究将序列信息纳入熟悉性基础路线导航算法的好处.
- 将序列意识算法的性能与传统方法进行比较.
主要方法:
- 开发了基于熟悉性的序列感知算法,使用内存窗口来限制图像比较.
- 更新窗口位置仅使用视觉匹配,不包括测距.
- 模拟导航环境上的基准算法,测试固定和自适应窗口大小.
主要成果:
- 序列信息提高了性能,并减少了视觉导航任务中的计算.
- 适应性窗口方法显示出显著的好处.
- 性能受路线内存序列长度和环境类型的影响.
结论:
- 整合时间序列信息对于改进受昆虫启发的视觉导航系统至关重要.
- 适应性窗口策略为未来机器人导航研究提供了一个有希望的方向.
