GrandTour：野外多模态感知与状态估计的四足机器人数据集
机器人学
2026-03-04 v2
摘要
在复杂大规模环境中，四足机器人的准确状态估计和多模态感知是实现自主运动的前提条件。迄今为止，尚无大规模公开的四足机器人数据集能够捕获开发和基准测试四足机器人状态估计、感知与导航算法所需的真实世界条件。为此，我们引入了 GrandTour 数据集，这是一个跨越具有挑战性的户外与室内环境收集的多模态四足机器人数据集，配备 ANYbotics ANYmal-D 四足机器人及 Boxi 多模态传感器负载。GrandTour 涵盖了从山脊风景和森林到被拆除建筑和城市区域的广泛环境和不同测试场地，涵盖规模、复杂度、照明和天气条件的广泛变化。数据集提供来自旋转 LiDAR、多个具有互补特性的 RGB 摄像头、致动传感器和立体深度摄像头的时间同步数据。此外，包括来自基于卫星的 RTK-GNSS 和 Leica Geosystems 全站仪的高精度真实轨迹。该数据集支持 SLAM、高精度状态估计和多模态学习研究，使能够严格评估和开发新的传感器融合方法。鉴于其广泛范围，GrandTour 是目前规模最大的开放获取四足机器人数据集。数据集可在 https://grand-tour.leggedrobotics.com 上的 HuggingFace（无需 ROS）以及 ROS 格式中获取，附带工具和演示资源。
引用
@article{arxiv.2602.18164,
title = {GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation},
author = {Jonas Frey and Turcan Tuna and Frank Fu and Katharine Patterson and Tianao Xu and Maurice Fallon and Cesar Cadena and Marco Hutter},
journal= {arXiv preprint arXiv:2602.18164},
year = {2026}
}
备注
Turcan Tuna, and Jonas Frey contributed equally. Submitted to Sage The International Journal of Robotics Research