Active Perception and Next-Best-View for Robots: A Survey

该论文是机器人主动感知和Next-Best-View（NBV）领域的综合性综述，系统梳理了主动感知的原理、算法和在各类机器人中的应用。主动感知是指机器人通过主动控制传感器的位置、角度和运动来获取更有价值的信息，与被动感知（固定传感器）相比，主动感知能够显著提高感知效率和质量，在3D重建、目标检测、场景理解、抓取规划等领域有广泛应用。论文将主动感知方法分为五大类：1）基于信息论的方法，包括互信息最大化、熵最小化、信息增益最大化等；2）基于几何的方法，包括可见性分析、覆盖最大化、表面重建质量优化等；3）基于学习的方法，包括强化学习、监督学习、模仿学习等；4）基于采样的方法，包括随机采样、启发式采样、蒙特卡洛树搜索（MCTS）等；5）基于优化的方法，包括连续优化、混合整数规划、轨迹优化等。论文详细讨论了Next-Best-View规划、主动目标检测与识别、主动3D重建、主动场景理解、主动抓取规划等具体应用，以及在移动机器人、无人机、机械臂、自动驾驶等场景的应用。该综述引用超过500次，是机器人主动感知领域的重要参考资料。