大会 | 哪5篇ICRA2017论文入选了最佳会议论文大奖？

正文

请到「今天看啥」查看全文

论文链接： https://arxiv.org/abs/1609.04730

人-机器人操纵任务中的未知物体的动力学估计

精确地了解被操纵对象的动态参数是物理人机交互的共同协调策略所必须的。物体动力学中的偏差会导致机器人不正确的计算机械手的运动，这可能影响到人机交互，并导致人对运动意图的认知产生偏差。来自德国慕尼黑工业大学的Denis Cehajic等人的论文提出了物理人机交互的物体动力学识别策略，允许其跟踪期望的人的运动，并引起参数识别所需的运动。物体动力学的估计是在线执行的，估计器最小化机械手作用在物体上的实际测量值和估计值之间的最小二乘误差。识别相关运动是通过分析激励条件的持续性而得到的，这是使估计收敛所必须的。这样的运动被投影在部分抓握矩阵的零空间中，将人和机器人的冗余运动方向相关联，以避免对人所期望的运动的干扰。该方法能够在屋里人机对象操作的场景中进行评估。

第一作者Denis Cehajic的个人主页： https://www.itr.ei.tum.de/cehajic/

针对语义SLAM的概率数据关联方法

传统的即时定位与地图构建方法（SLAM）依赖于诸如点，线和面等低级几何特征，他们不能将语义标签分配给在环境中观察到的地标。另外，基于低阶特征的循环闭合识别通常依赖于观察点，并且经常在模糊或者重复的环境中失败。另一方面，对象识别方法可以推断地标的类别和尺度，得到一小部分容易识别的地标，这种情况是不依赖视角的无歧义循环闭合的理想情况。然而，如果地图中存在属于同一类别的几个对象，这就存在关键的数据关联问题。虽然数据关联和识别是离散问题，通常可以使用离散推理解决，但是经典SLAM算法是针对度量信息的连续优化。在该论文中，在传感器状态和语义地标位置上制订了一个优化问题，该问题集成了度量信息，语义信息，和数据关联，并将其分解为两个互相关联的问题：离散数据关联和地标类概率的估计，以及度量状态的连续优化。估计的地标和机器人姿态影响关联和类分布，这反过来影响机器人-地标姿态优化。该论文的算法性能在室内和室外数据集中都得到了证明。

请到「今天看啥」查看全文