基础模型引导的拓扑感知语义风险字段进行操作

日常环境中的机器人运动规划必须满足严格的几何约束，同时考虑上下文相关的语义风险。我们提出了一个基础模型引导、拓扑感知的语义风险场，将操作安全性扩展到避免碰撞之外。对于每个被操纵对象/场景对象对，基础模型提供了六个方向风险权重和特定于对的空间衰减尺度。该方法使用拓扑感知屏蔽和测地线空间衰减将这些先验与体素化 3D 场景几何结构相结合。 GPU 并行后端批量处理对象级距离和风险计算，以构建密集的 3D 场，作为下游运动规划的模块化成本。我们评估了完全和部分障碍物下场的屏蔽行为，并将其 3D 工作空间表示与像素级语义先验基线进行比较。在三个家庭模拟场景中，在相同的几何约束下，使用所提出的字段优化的轨迹比仅碰撞的轨迹具有更低的语义暴露。我们还评估了支撑管道的计算实用性和可靠性。总之，这些结果支持所提出的领域作为实用的拓扑感知语义成本表示，用于超越碰撞避免的操作规划。