定位 meets 不确定性：不确定性感知的多模态定位
机器人学
2025-04-23 v2 计算机视觉与模式识别
摘要
可靠的定位对于机器人在复杂室内环境中的导航至关重要。本文提出一种不确定性感知的定位方法，通过不修改预测模型本身来提高定位输出的可靠性。该研究引入了基于百分位的拒绝策略，用于基于网络估计的aleatoric和epistemic不确定性过滤不可靠的3自由度姿态预测。我们将此方法应用于一种融合RGB图像和2D激光雷达数据的多模态端到端定位方法，并在使用商业化服务机器人收集的三个真实数据集上进行评估。实验结果表明，应用更严格的不确定性阈值可一致地提高姿态精度。具体而言，在应用90%、80%和70%阈值时，均位置误差分别降低了41.0%、56.7%和69.4%，均姿态误差分别降低了55.6%、65.7%和73.3%。此外，拒绝策略有效地移除了极端离群值，使轨迹与真实轨迹的对齐度得到改善。据我们所知，这是首次定量证明基于百分位的不确定性拒绝在多模态端到端定位任务中具有益处的研究。我们的方法为在实际部署中提高定位系统的可靠性和准确性提供了实用途径。
引用
@article{arxiv.2504.07677,
title = {Localization Meets Uncertainty: Uncertainty-Aware Multi-Modal Localization},
author = {Hye-Min Won and Jieun Lee and Jiyong Oh},
journal= {arXiv preprint arXiv:2504.07677},
year = {2025}
}
备注
13 pages, 6 figures