AMCO：面向户外环境四足机器人导航的视觉与本体感知自适应多模态耦合

我们提出了 AMCO，一种用于四足机器人的新颖导航方法，能够自适应地结合基于视觉和基于本体感知的感知能力。该方法使用三个代价地图：通用知识地图、可通行性历史地图和当前本体感知地图；它们由机器人的视觉和本体感知数据导出，并将其耦合以获得用于导航的耦合可通行性代价地图。通用知识地图对通过视觉感知进行语义分割的地形进行编码，表示地形通常预期的可通行性。可通行性历史地图将机器人近期在地形上的本体感知测量值及其语义分割编码为代价地图。此外，机器人当前的本体感知测量值被编码为当前本体感知地图中的代价地图。由于通用知识地图和可通行性历史地图依赖语义分割，我们通过估计输入 RGB 图像的亮度和运动模糊来评估视觉感官数据的可靠性，并据此结合这三个代价地图，获得用于导航的耦合可通行性代价地图。利用这种自适应耦合，机器人可以依赖最可靠的可用输入模态。最后，我们提出了一种新颖的规划器，利用耦合可通行性代价地图选择合适的步态和速度，以穿越具有挑战性的户外环境。我们在不同的真实户外环境中展示了 AMCO 的导航性能，观察到两项稳定性指标分别降低了 10.8%-34.9%，且成功率较当前导航方法提高了高达 50%。