AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：主动探索×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
5月30日
16:46
16:46Stanford AI Lab@StanfordAILab
斯坦福AI实验室（SAIL）发布了新基准Theory of Space，旨在测试基础模型是否能够通过主动探索来构建、修正和利用空间信念（即心智地图），而不仅仅是被动处理给定的观察数据。该基准挑战AI在未知环境中主动导航、推理空间关系并更新认知模型的能力。这一研究对于推动AI在机器人、自动驾驶等需要空间理解领域的自主性具有重要意义。
论文空间推理基准测试主动探索心智地图斯坦福AI实验室
推荐理由：做机器人或空间AI的开发者值得关注——这个基准直接测试模型能否像人类一样主动探索并建立空间认知，而不是被动接收数据，看完会对当前模型的局限性有更清晰的认识。
原文
5月19日
11:36
11:36arXiv cs.AI@Giorgia Modi, Davide Buoso, Giuseppe Averta, Daniele De Martini
精选
本文提出利用固定外部RGB摄像头作为通用先验地图（CPMs），为主动3D场景图（3DSG）生成提供初始语义和几何先验。系统通过前馈3D重建模型统一处理所有摄像头（机载和外部）的RGB观测，无需硬件修改。基于部分场景图的主动语义探索框架引导机器人前往语义不确定性高的区域，逐步完善先验。实验表明，仅使用一个外部摄像头即可将初始物体召回率提升最多79%，并显著提高后续主动探索的效率。
论文3D场景图主动探索先验地图RGB重建机器人
推荐理由：做机器人自主探索和3D场景理解的团队，这个RGB-only方案无需额外硬件就能大幅提升初始场景图质量，值得在现有系统中尝试集成外部摄像头作为先验。
原文
11:32
11:32arXiv cs.AI@Giorgia Modi, Davide Buoso, Giuseppe Averta, Daniele De Martini
精选
现有3D场景图生成方法依赖深度传感器（如LiDAR或RGB-D相机），限制了在仅有RGB相机场景下的部署。本文提出一种仅基于RGB输入的主动增量式3D场景图构建框架，统一感知与规划，利用共享的结构化表示捕捉物体语义、3D几何、关系上下文及多视角信息。实验表明，该RGB-only方法在Replica数据集上达到与使用真实深度基线相当的F1分数；在ReplicaCAD上的主动探索实验中，语义驱动的视点选择在相同探索预算下检测到的物体数量是几何前沿基线的两倍以上。此外，外部相机设置证明互补的RGB视图能有效引导场景图构建并提升上下文理解，且无需额外探索成本。
论文3D场景图主动探索RGB-only室内机器人感知与规划
推荐理由：做室内机器人感知与导航的团队，终于可以摆脱深度传感器的硬件依赖了——仅用RGB相机就能构建3D场景图，且主动探索效率翻倍。建议做移动机器人或固定监控系统的开发者点开看看，直接复用这个硬件无关的框架。
原文