空间语言似然接地网络实现人机观测贝叶斯融合

融合人类观测信息可以帮助机器人在协作任务中克服感知限制。然而，一个不确定性感知的融合框架需要一个接地的似然函数来表示人类输入的不确定性。

本文提出了一种特征金字塔似然接地网络（FP-LGN），通过学习相关地图图像特征及其与空间关系语义的关联来实现空间语言的接地。该模型通过三阶段课程学习作为概率估计器，用于捕捉人类语言中的偶然不确定性。

结果显示，FP-LGN在平均负对数似然（NLL）方面与专家设计的规则相匹配，并表现出更高的鲁棒性和更低的标准差。协作感知结果表明，接地的似然函数成功实现了异构人类语言观测和机器人传感器测量的不确定性感知融合，在人机协作任务性能方面取得了显著提升。

本文已被2025年IEEE系统、人与控制论国际会议（SMC）接收