从完美到嘈杂世界仿真：可定制的具身多模态扰动SLAM鲁棒性基准
计算机视觉与模式识别
2024-06-25 v1 机器人学
摘要
具身智能体需要鲁棒的导航系统才能在非结构化环境中运行，使得同时定位与地图构建（SLAM）模型的鲁棒性至关关键。虽然真实数据集极其宝贵，但仿真基准以可扩展的方式提供了鲁棒性评估。然而，构建具有挑战性且可控的嘈杂世界以实现多样化扰动仍未得到充分探索。为此，我们提出一种新型、可定制的嘈杂数据合成管线，旨在评估多模态SLAM模型对各种扰动的抗性。该管线包括针对具身多模态（具体为RGB-D）感知的传感器和运动扰动的全面分类体系，按其来源和传播顺序进行分类，允许程序化组合。我们还提供一个工具箱，用于合成这些扰动，使其能够将干净环境转换为具挑战性的嘈杂仿真。利用该管线，我们实例化了大规模Noisy-Replica基准，包含多样化的扰动类型，用于评估现有先进RGB-D SLAM模型的风险容忍度。我们的广泛分析揭示了无论是神经网络（基于NeRF和高斯溅写）还是非神经网络SLAM模型在干扰下的脆弱性，尽管它们在标准基准中已显示出卓越的准确性。我们的代码已公开于https://github.com/Xiaohao-Xu/SLAM-under-Perturbation。
引用
@article{arxiv.2406.16850,
title = {From Perfect to Noisy World Simulation: Customizable Embodied Multi-modal Perturbations for SLAM Robustness Benchmarking},
author = {Xiaohao Xu and Tianyi Zhang and Sibo Wang and Xiang Li and Yongqi Chen and Ye Li and Bhiksha Raj and Matthew Johnson-Roberson and Xiaonan Huang},
journal= {arXiv preprint arXiv:2406.16850},
year = {2024}
}
备注
50 pages. arXiv admin note: substantial text overlap with arXiv:2402.08125