DRUM：基于扩散模型的 Sim2Real 激光雷达分割射线丢失感知无配对映射
计算机视觉与模式识别
2026-03-30 v1 机器人学
摘要
激光雷达语义分割是自主移动机器人中的关键组件，但大规模标注激光雷达点云代价高昂且耗时。虽然模拟器可提供标注合成数据，但模型在合成数据上训练后往往在真实数据上表现不佳 due to 数据层面的 domain gap。为此，我们提出 DRUM，一种新型 Sim2Real 翻译框架。我们利用在未标记真实数据上预训练的扩散模型作为生成先验，通过复现两种关键测量特性来实现合成数据到真实数据的翻译：反射率强度与射线丢失噪声。为提高样本保真度，我们引入射线丢失感知的掩码引导机制，在保持由扩散先验产生的真实射线丢失噪声的同时， selectively 强制与输入合成数据一致。实验结果表明，DRUM 在多种激光雷达数据表征形式下均显著提升了 Sim2Real 性能。项目页面可访问于 https://miya-tomoya.github.io/drum。
引用
@article{arxiv.2603.26263,
title = {DRUM: Diffusion-based Raydrop-aware Unpaired Mapping for Sim2Real LiDAR Segmentation},
author = {Tomoya Miyawaki and Kazuto Nakashima and Yumi Iwashita and Ryo Kurazume},
journal= {arXiv preprint arXiv:2603.26263},
year = {2026}
}
备注
ICRA 2026