感知很重要: 用具有不确定性的语义分割增强具身 AI ！

文章预览

实体AI在从事未探索的环境中取得了显著的进步。然而，诸如目标搜索等任务主要侧重于有效的策略学习。 在本研究中，作者发现了现有搜索方法中的一些问题：它们主要关注过时的感知模型，忽视了时间聚合，并在测试时直接从真实感知的噪声中转移，而不考虑由此产生的感知状态的过度自信。 作者通过校准的聚合和决策概率以及不确定性来解决这些问题，从而调整了模型以适应连续任务。 所得到的方法可以直接与现有的许多搜索方法的预训练模型进行集成，且无需额外的训练成本。 作者对聚合方法进行了广泛评估，涵盖不同的语义感知模型和策略，证实了校准的不确定性在聚合和找到决策中都至关重要。 作者将代码和训练好的模型在 http://semantic-search.cs.uni-freiburg.de。 1 Introduction 近年来，具有身体感知的AI已引起巨大关注，新的模拟器使基于 ………………………………