ARTPS：深度增强混合异常检测与自主机顶器目标优先级排序中的可学习好奇心评分
计算机视觉与模式识别
2025-09-03 v1 人工智能
摘要
我们提出了ARTPS（Autonomous Rover Target Prioritization System），这是一套 novel 混合 AI 系统，结合深度估计、异常检测和可学习的好奇心评分，用于自主探索行星表面。我们的 метод将基于 Vision Transformer 的单目深度估计与多组件异常检测相集成，并采用加权好奇心评分来平衡已知价值、异常信号、深度方差和表面粗糙度。该系统在火星机顶器数据集上实现了 state-of-the-art 的性能，AUROC 为 0.94，AUPRC 为 0.89，F1 分数为 0.87。我们通过消融研究证明了目标优先级排序准确性的显著提升，并对各组件贡献进行了全面分析。混合融合方法在保持高检测灵敏度的同时，将误报率降低了 23%，适用于多样化地形类型。
引用
@article{arxiv.2509.00042,
title = {ARTPS: Depth-Enhanced Hybrid Anomaly Detection and Learnable Curiosity Score for Autonomous Rover Target Prioritization},
author = {Poyraz Baydemir},
journal= {arXiv preprint arXiv:2509.00042},
year = {2025}
}
备注
18 pages, 12 figures, 4 table, autonomous exploration, Mars rover, computer vision, anomaly detection, depth estimation, curiosity-driven exploration