CEAR：面向敏捷四足机器人快速感知的综合性事件相机数据集

当足式机器人执行敏捷动作时，传统 RGB 相机通常会产生模糊图像，给快速感知带来挑战。得益于低延迟、高时间分辨率和高动态范围，事件相机已成为捕获快速感知和应对挑战性光照条件的一种极具前景的解决方案。然而，将事件相机集成到敏捷足式机器人中的研究在很大程度上仍处于未探索阶段。值得注意的是，目前尚未开发出包含事件相机且针对敏捷四足机器人场景的数据集。为了弥补这一空白，我们引入了 CEAR，这是一个包含来自事件相机、RGB-D 相机、IMU、LiDAR 和关节编码器数据的数据集，所有设备均安装在动态四足机器人 Mini Cheetah 上。这一综合性数据集包含来自真实世界环境的 100 多个序列，涵盖各种室内和室外环境、不同光照条件、一系列机器人步态（例如小跑、跳跃、原地跳跃）以及后空翻等杂技动作。据我们所知，这是首个在各种设置下捕获动态且多样化四足机器人运动的事件相机数据集，旨在推进四足机器人快速感知的研究。