GA3T：面向非结构化环境中异构机器人团队的地-空地形可达性数据集
机器人学
2026-05-08 v1
摘要
异构空地机器人团队组合互补的感知模态、运动特征和空间视点，可显著增强复杂户外环境中的感知能力。然而，多机器人协作感知的进展受限于缺乏包含来自在非结构化 terrain 上运行的异构平台的重叠多模态观测的真实数据集。我们提出GA3T（Ground-Aerial Team for Terrain Traversal），一个真实的多机器人协作感知数据集，采用Clearpath Husky UGV和Autel EVO~II UAV在多样化的非结构化环境中收集，包括森林小径、岩石路径、泥泞地形、雪堆和草地覆盖的田野。地面平台提供3D激光扫描、立体相机、IMU和GPS数据，而空中平台贡献RGB图像、热/红外观察和GPS数据，来自补充的俯视视角，实现丰富的跨模态和跨视图感知。该数据集在4个独特环境中收集，包含约13,000个同步帧，约29分钟的运行时间，并包括基于SAM~3的零射线分割和超过8,000张手动标记的图像。数据集的独特之处在于其早春收集时段，稀疏的树冠允许空中机器人部分观察地面机器人和地形，实现基于遮挡的协作感知。与专注于SLAM或模拟合作驾驶的先前多机器人数据集不同，GA3T specifically designed to support research on cross-view perception, air-ground viewpoint fusion, traversability estimation, and collaborative scene understanding in real off-road environments.
引用
@article{arxiv.2605.06478,
title = {GA3T: A Ground-Aerial Terrain Traversability Dataset for Heterogeneous Robot Teams in Unstructured Environments},
author = {Siwei Cai and Knut Peterson and Quan Tran and Christian Ricks and Dhanush Parthasarathy and Amir Kaidarov and Neil Deshpande and Sukaina Najm and David Han and Lifeng Zhou},
journal= {arXiv preprint arXiv:2605.06478},
year = {2026}
}
备注
For DARS 2026