机器狗如何看见不可见之物：通过窥视行为提升探索机器人的视觉可解释性
机器人学
2026-01-06 v4 计算机视觉与模式识别
摘要
在植被环境中，如森林，探索机器人在导航复杂、拥挤的环境中发挥着重要作用，人类难以进入且传统设备难以应对。障碍物（如植被）造成的视觉遮挡会严重阻碍机器人的传感器，损害场景理解。我们表明，'窥视'——昆虫为克服其视觉局限而使用的特征性侧向运动——也能使机器人在部分遮挡下显著改善视觉推理。这是通过应用核心信号处理原理，特别是光学合成孔径感知，结合现代大型多模态模型的视觉推理能力来实现的。窥视实现了实时、高分辨率和波长无关的感知，这对广泛应用中的基于视觉的场景理解至关重要。该方法成本低廉，可立即部署在任何配备摄像头的机器人上。我们研究了不同的窥视运动和遮挡掩蔽策略，证明与窥视不同，最先进的多视角 3D 视觉技术由于其对遮挡的高度敏感性而在这些条件下失败。我们的实验在工业级四足机器人上进行。然而，窥视能力不仅限于此类平台，还可能适用于双足、六足、轮式或爬行平台。能够有效透过部分遮挡进行视觉感知的机器人将获得更优越的感知能力——包括增强的场景理解、态势感知、伪装突破和复杂环境中的先进导航。
引用
@article{arxiv.2511.16262,
title = {How Robot Dogs See the Unseeable: Improving Visual Interpretability via Peering for Exploratory Robots},
author = {Oliver Bimber and Karl Dietrich von Ellenrieder and Michael Haller and Rakesh John Amala Arokia Nathan and Gianni Lunardi and Mohamed Youssef and Marco Camurri and Santos Miguel Orozco Soto and Jeremy E. Niven},
journal= {arXiv preprint arXiv:2511.16262},
year = {2026}
}