语义地图

Semantic Map进阶

在几何地图上标注「这里是什么」，能按物体或自然语言查询的地图

普通 SLAM 地图只记录哪里有障碍、表面在哪；语义地图在此基础上给地图中的点、栅格或物体附上类别标签或特征，能回答「冰箱在哪」「厨房在哪」。早期做法是用固定类别的检测或分割网络打标签；近几年流行开放词汇语义地图，把 CLIP、LSeg 等视觉语言模型的特征直接存进地图，用任意自然语言查询。代表工作 VLMaps（2022，弗赖堡大学与谷歌等）从 RGB-D 视频提取像素级视觉语言特征，借助深度反投影到 3D，再存进俯视栅格地图，能执行「去沙发和电视之间」这类带空间关系的导航指令。语义地图也可组织成 3D 场景图，是物体目标导航、视觉语言导航和移动操作常用的中间表示。