1. 项目概述
当我在实验室第一次看到机器人执行"去会议室把桌上的笔记本拿过来"这样的指令时,意识到传统SLAM技术已经遇到了天花板。现有的点云地图能告诉机器人障碍物在哪,却无法理解什么是"会议室"、什么是"桌子"、什么是"笔记本"。这正是MIT SPARK实验室开发Hydra系统的核心动机——让机器人真正理解环境的结构和语义。
Hydra是一个开源的机器人空间感知系统,能够在探索环境时实时构建分层的3D场景图。不同于传统SLAM系统输出的"点云海洋",Hydra生成的是一个包含五层抽象的场景图:从底层的几何网格,到物体实例,再到场所节点、房间聚类,最后到建筑级别的整体结构。这种层次化表示不仅存储高效,更关键的是支持语义查询和层次化推理。
提示:场景图的小树宽特性是其高效推理的数学基础。就像查字典时我们不会从第一页逐个查找,而是先定位字母区域,再定位单词,层次化结构将搜索复杂度从O(n)降到O(logn)。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心架构解析
2.1 五层场景图结构
Hydra的场景图采用金字塔式的层次设计,每层都有明确的语义和几何对应关系:
2.1.1 几何网格层(Layer 1)
- 使用带语义的3D三角网格作为基础表示
- 每个面片标注类别(墙壁/地板/天花板等)
- 实现细节:
cpp复制// 网格面片数据结构示例 struct MeshFace { Eigen::Vector3d vertices[3]; SemanticLabel label; // 语义标签枚举 float confidence; // 分类置信度 };
2.1.2 物体层(Layer 2)
- 从网格中分割出的独立物体实例
- 包含边界框、质心和语义类别
- 创新点:采用非极大值抑制(NMS)避免重复检测
2.1.3 场所层(Layer 3)
- 基于广义维诺图(GVD)的自由空间拓扑表示
- 关键参数:
参数名 默认值 作用 compression_distance 0.5m 控制节点密度 min_edge_length 0.4m 过滤短边噪声
