FlightBench：基于自我视觉的四旋翼导航学习方法的基准测试
机器人学
2025-05-23 v3
摘要
在杂乱环境中基于自我视觉的导航对于移动系统，特别是敏捷四旋翼飞行器至关重要。尽管基于学习的方法最近显示出前景，但与最先进的基于优化的方法进行直接比较仍然很少，这留下了它们在何处以及何种程度上真正卓越的问题。在本文中，我们介绍了FlightBench，这是第一个全面的基准测试，它实现了多种基于自我视觉导航的学习方法，并使用一套广泛的性能指标将它们与主流的基于优化的基线方法进行评估。更重要的是，我们开发了一套评估场景难度的标准，并根据这些标准设计了跨越不同难度级别的测试用例。我们的结果表明，虽然基于学习的方法在高速飞行和更快推理方面表现出色，但它们在处理急转弯或视角遮挡等挑战性场景时存在困难。分析实验验证了我们的难度标准与飞行性能之间的相关性。此外，我们通过全流程和硬件在环实验验证了真实环境中飞行性能的趋势。我们希望这个基准测试和这些标准能够推动基于自我视觉的四旋翼飞行器基于学习的导航的未来发展。代码和文档可在https://github.com/thu-uav/FlightBench获取。
引用
@article{arxiv.2406.05687,
title = {FlightBench: Benchmarking Learning-based Methods for Ego-vision-based Quadrotors Navigation},
author = {Shu-Ang Yu and Chao Yu and Feng Gao and Yi Wu and Yu Wang},
journal= {arXiv preprint arXiv:2406.05687},
year = {2025}
}
备注
The first three authors contribute equally