CoPeD——推进多机器人协同感知：真实环境中的综合数据集

在过去的十年中，尽管单机器人感知取得了显著进展，但多机器人协同感知的探索仍然很大程度上未被开发。这涉及在多个机器人之间融合压缩、间歇、有限、异构和异步的环境信息，以增强整体感知，尽管存在传感器噪声、遮挡和传感器故障等挑战。一个主要障碍是缺乏真实世界的数据集。本文提出了一个开创性的、全面的真实世界多机器人协同感知数据集，以促进该领域的研究。我们的数据集利用了空地机器人协作的未开发潜力，具有不同的空间视角、互补的机器人移动性、覆盖范围和传感器模态。它包含原始传感器输入、姿态估计和可选的高级感知标注，从而适应不同的研究兴趣。与主要设计用于同时定位与地图构建（SLAM）的现有数据集相比，我们的设置确保了传感器视图的多样性和足够的重叠，以促进多机器人协同感知算法的研究。我们通过多个协同感知任务定性地展示了该数据集的价值。我们相信，这项工作将开启通过多机器人设置中的多模态协同感知进行高级场景理解的潜在研究。