CoralPlan：把水下观察技能选择与执行结果关联

水下机器人检查取决于获取揭示任务相关结构的视图。对于结构复杂的珊瑚群落，识别目标只是起点：机器人必须选择并执行适合检查任务的观察动作。我们提出了 CoralPlan，一种视觉语言系统，它从当前摄像机图像和任务回合清单提供的任务文本中选择观察技能。共享运动接口执行轨道、补丁或勘测作为目标相对轨迹；其余的计划字段提供操作员指导。观察完成需要目标保持和动作基元特定覆盖，而联合成功还需要选择匹配记录的参考。我们在 144 个模拟场景和 36 个匹配的模拟硬件对中评估了该界面。在具有外部目标参考位姿的清水池中，硬件观测完成率达到77.8%，联合成功率达到63.9%。实验在匹配技能选择后识别参考不匹配的完成和不完整的观察。这些结果将观察技能的选择与可测量的水下执行结果联系起来，并确定任务导向的采集成功或失败的地方。