Event-LAB：面向神经形态定位方法的标准化评估框架
机器人学
2026-03-05 v2
摘要
基于事件的位置研究与数据集正处于快速增长的阶段，过去 10 年间该领域发表论文数量年均增长十倍。尽管这种快速扩张令人振奋，但也带来了挑战：所需代码和软件包依赖关系日益多样，数据格式繁杂，使得研究者难以可靠地进行比较。为此，我们提出 Event-LAB：一个用于跨多个数据集运行多种事件定位方法的新型统一框架。Event-LAB 基于 Pixi 软件包实现，支持单条命令行安装和调用，灵活组合不同的定位方法与数据集。为展示框架能力，我们实现了两种常见的事件定位管线：Visual Place Recognition (VPR) 和 Simultaneous Localization and Mapping (SLAM)。我们展示了该框架能够系统性地可视化和分析多种方法与数据集的结果，揭示了控制事件采集计数和窗口大小的关键参数与性能波动之间的关联。结果与分析表明，采用一致的事件图像生成参数进行公正比较方法的重要性。我们的 Event-LAB 框架为研究社区提供了此能力，通过贡献简化的工作流程，使设置多个条件变得轻而易举。
引用
@article{arxiv.2509.14516,
title = {Event-LAB: Towards Standardized Evaluation of Neuromorphic Localization Methods},
author = {Adam D. Hines and Alejandro Fontan and Michael Milford and Tobias Fischer},
journal= {arXiv preprint arXiv:2509.14516},
year = {2026}
}
备注
8 pages, 6 figures, accepted to the IEEE International Conference on Robotics and Automation (ICRA) 2026