摘要

本文介绍了一种名为LINGO-Space的创新方法，旨在解决空间定位复合指令中的空间接地问题。与传统的实例接地方法相比，空间接地由于离散表达式所指位置的不明确性和引用表达式的组合歧义而更具挑战性。LINGO-Space通过利用可配置的极坐标分布，准确识别所引用的空间概率分布，并根据后续的引用表达式逐步更新这一分布。该方法通过大型语言模型（LLM）引导的语义解析器解决了组合歧义，并通过场景图表示在接地中利用了参照歧义。评估显示，使用极坐标分布的估计使机器人能够成功地通过20个桌面操作基准测试接地位置。此外，更新分布有助于接地方法准确地缩小引用空间。最后，通过模拟操作和真实四足机器人导航任务展示了空间接地的鲁棒性。

原理

LINGO-Space的核心在于其概率空间接地方法，该方法通过可配置的极坐标分布来识别和更新所引用空间的概率分布。这种方法的关键先进性在于其能够处理组合和参照歧义，通过LLM引导的语义解析器将复杂的引用指令分解为更简单的子指令，从而提高接地的准确性和鲁棒性。此外，LINGO-Space利用场景图表示来进一步细化接地过程，通过图形神经网络处理复杂的场景和对象关系，从而在复杂的物理环境中实现精确的空间接地。

流程

LINGO-Space的工作流程包括三个主要模块：场景图生成器、语义解析器和空间分布估计器。首先，场景图生成器创建一个包含环境中对象及其关系的图形表示。接着，语义解析器使用LLM将复合指令分解为结构化的关系嵌入元组。最后，空间分布估计器根据这些嵌入元组逐步更新概率分布，确保满足空间约束。例如，在处理指令“将杯子放在桌子上并靠近盘子”时，系统首先识别出桌子和盘子的位置，然后根据这些信息确定杯子的最佳放置位置。

应用

LINGO-Space的应用前景广泛，特别适用于需要复杂空间理解和操作的机器人任务，如家庭服务机器人、工业自动化和无人驾驶车辆。该方法的精确空间接地能力和对复杂指令的处理能力使其在各种实际应用中具有高度的适应性和扩展性。随着技术的进一步发展和优化，LINGO-Space有望在未来的智能机器人和自动化系统中发挥关键作用。