OpenGraph：大规模户外环境中的开放词汇层次化三维图表示

基于摘要分析。本文研究机器人在大规模户外环境中的开放词汇语义表示问题，提出 OpenGraph，以层次化三维图组织对象、语义特征与环境结构，旨在缓解主要面向桌面或房间的现有开放词汇地图在户外对象规模和复杂任务上的泛化困难。 方法分为三个环节：首先从视觉图像提取实例及其文本描述，并对描述进行编码以增强文本推理；随后将图像投影到 LiDAR 点云，实现带特征嵌入的、以对象为中心的三维增量建图；最后依据车道图连通性对环境分区，构建层次化表示。其核心机制是将视觉语言语义与三维对象地图、道路拓扑组织结合，而非直接处理神经信号。 作者报告，在 SemanticKITTI 与真实场景验证中，OpenGraph 取得较高的分割和查询准确性；摘要未提供具体数值、数据划分、对照方法或真实场景规模，因此不能据此量化其优势。所用视觉语言模型、特征融合与对象关联细节、层次划分规则，以及实验协议、消融及统计信息尚未验证，复现所需实现条件也需查阅全文确认。 该机制依赖视觉图像、LiDAR 点云及车道图连通性，摘要未建立这些结构与 EEG/BCI 任务之间的具体对应关系，因此不据此推导 BCI 性能收益或提出迁移实验；已有 EEG 相关工作尚未检索确认。