自然環境におけるロボット知覚のためのクロスモーダルベンチマーク
Cross-Modal Benchmarking for Robotic Perception in Natural Environments
自然環境でのロボット知覚の限界を明らかにするため、大規模な自然環境での場所認識とメートル深度推定のための新しいクロスモーダルベンチマークWildCrossを紹介し、その結果を分析した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: David Hall, Joshua Knights, Mark Cox, Peyman Moghadam
分類: cs.CV, cs.RO
原文アブストラクト
Natural environments present a complex challenge to robotics perception systems. Current models, particularly vision foundation models, are largely trained on structured, urban environments leading to weaknesses in their perception for field robotics tasks. We showcase the limitations of current models using our recently released WildCross benchmark, a new cross-modal benchmark for place recognition and metric depth estimation in large-scale natural environments. WildCross comprises over 476K sequential RGB frames with semi-dense depth and surface normal annotations, each aligned with accurate 6DoF pose and synchronized dense lidar submaps. In this work, we provide an expanded analysis of the benchmark results from the recent WildCross benchmark, with particular emphasis on expanded metric depth estimation experiments. Access to the code repository and dataset for this work can be found at https://csiro-robotics.github.io/WildCross.
関連論文
- 近接車両からの水しぶきによる知覚への影響を評価するベンチマークベンチマーク/知覚
