基于多模态自监督方法的火星可遍历性预测：用于代数图生成
计算机视觉与模式识别
2025-09-16 v1 机器人学
摘要
我们提出了一个 robust 的多模态框架，用于预测行星探测器的遍历代数图。我们的模型融合摄像头和 LiDAR 数据，生成鸟瞰视角（BEV）地形代数图，采用基于 IMU 派生标签的自监督训练。关键改进包括 DINOv3 基于图像的编码器、FiLM 基于传感器融合，以及结合 Huber 和平滑项的优化损失。实验消融实验（移除图像颜色、遮挡输入、添加噪声）显示，MAE/MSE 仅出现细微变化（例如，当 LiDAR 稀疏化时，MAE 从约 0.0775 增加至 0.0915），表明几何特征主导了所学代数图，模型具有高度鲁棒性。我们认为小幅性能差异源于 IMU 标注主要反映地形几何而非语义，以及数据多样性有限。与先前声称大幅提升的工作不同，我们强调贡献：(1) 高保真、可复现的仿真环境；(2) 基于 IMU 的自监督标注管线；(3) 强大的多模态 BEV 代数图预测模型。我们讨论了局限性和未来工作，如领域泛化和数据集扩充。
引用
@article{arxiv.2509.11082,
title = {Mars Traversability Prediction: A Multi-modal Self-supervised Approach for Costmap Generation},
author = {Zongwu Xie and Kaijie Yun and Yang Liu and Yiming Ji and Han Li},
journal= {arXiv preprint arXiv:2509.11082},
year = {2025}
}