用于人形机器人 locomotion 的基于融合激光雷达和深度数据的鲁棒高度图生成的混合自编码器
机器人学
2026-02-06 v1 机器学习
摘要
可靠的地形感知是人形机器人在非结构化、以人为中心的环境中部署的关键前提。虽然传统系统常依赖手动工程化的单传感器管线，但本文提出一种基于中间、机器人中心化的高度图表示的学习方法。引入混合编码器-解码结构（EDS），利用卷积神经网络（CNN）进行空间特征提取，同时融合门控循环单元（GRU）核心以保证时序一致性。该架构整合了来自 Intel RealSense 深度相机、通过高效球面投影处理的 LIVOX MID-360 激光雷达，以及 onboard IMU 的多模态数据。定量结果表明，多模态融合相较于仅使用深度数据提升 7.2%，相较于仅使用激光雷达提升 9.9%。此外，集成 3.2 秒的时序上下文可减少映射漂移。
引用
@article{arxiv.2602.05855,
title = {A Hybrid Autoencoder for Robust Heightmap Generation from Fused Lidar and Depth Data for Humanoid Robot Locomotion},
author = {Dennis Bank and Joost Cordes and Thomas Seel and Simon F. G. Ehlers},
journal= {arXiv preprint arXiv:2602.05855},
year = {2026}
}