Scene Action Maps: Behavioural Maps for Navigation without Metric Information

人类在没有度量信息的情况下进行导航的能力非常出色。我们可以阅读抽象的2D地图，比如楼层平面图或手绘草图，并利用它们在未知的丰富3D环境中进行导航，而不需要先前遍历以详细绘制这些场景的地图。我们认为，这是通过能够将环境抽象地表示为相互连接的导航行为实现的，例如“沿着走廊走”或“向右转”，同时避免在度量级别上使用详细的、准确的空间信息。我们引入了场景行为图（SAM），一种行为拓扑图，并提出了一种可学习的地图阅读方法，将各种2D地图解析为SAM。地图阅读从现有的抽象和不准确的地图中提取有关导航行为的显着信息，包括楼层平面图和草图。我们通过在四足机器人上构建和部署行为导航堆栈来评估SAM的导航性能。视频和更多信息可在以下网址获取：https://scene-action-maps.github.io。

论文试图解决如何在没有精确空间信息的情况下，使用2D地图进行导航的问题。

论文提出了一种行为拓扑图——场景行为图（Scene Action Map，SAM），并通过学习方法将各种2D地图转化为SAM。SAM能够抽象地表示环境中的导航行为，如“沿着走廊走”或“向右转”，从而实现在富有多样性的3D环境中进行导航。

论文通过在四足机器人上构建和部署行为导航栈来评估SAM的导航性能。同时，论文还提供了视频和更多信息。SAM的学习方法能够从现有的抽象和不准确的地图中提取导航行为的关键信息，具有一定的实用价值。

在相关研究方面，最近的一些研究包括使用深度学习进行地图学习以及使用传感器进行环境建模等。