OT-Drive：通过最优传输实现分布外非结构化道路可通行区域分割
计算机视觉与模式识别
2026-01-16 v1 机器人学
摘要
在非结构化环境中进行可靠的可通行区域分割对于自动驾驶的规划与决策至关重要。然而，现有的数据驱动方法在分布外 (OOD) 场景下常常出现分割性能下降的问题，从而损害下游驾驶任务。为解决此问题，我们提出了 OT-Drive，一个由最优传输驱动的多模态融合框架。该方法将 RGB 和表面法线融合建模为一个分布传输问题。具体来说，我们设计了一个新颖的场景锚点生成器 (SAG)，将场景信息分解为天气、时间和道路类型的联合分布，从而构建能够泛化到未见场景的语义锚点。随后，我们设计了一个创新的基于最优传输的多模态融合模块 (OT Fusion)，将 RGB 和表面法线特征传输到由语义锚点定义的流形上，从而在 OOD 场景下实现鲁棒的可通行区域分割。实验结果表明，我们的方法在 ORFD OOD 场景上达到了 95.16% 的 mIoU，比先前方法高出 6.35%；在跨数据集迁移任务上达到了 89.79% 的 mIoU，超出基线 13.99%。这些结果表明，所提出的模型仅需有限的训练数据即可获得强大的 OOD 泛化能力，显著增强了其在实际部署中的实用性和效率。
引用
@article{arxiv.2601.09952,
title = {OT-Drive: Out-of-Distribution Off-Road Traversable Area Segmentation via Optimal Transport},
author = {Zhihua Zhao and Guoqiang Li and Chen Min and Kangping Lu},
journal= {arXiv preprint arXiv:2601.09952},
year = {2026}
}
备注
9 pages, 8 figures, 6 tables. This work has been submitted to the IEEE for possible publication. Code will be released upon acceptance