行星地形数据集与火车路径规划基准
机器人学
2025-12-29 v1
摘要
行星火车探索正因多项即将到来的月球和火星任务而重新受到关注。然而，来自 prior 任务的大量数据仍未被充分利用用于路径规划和自主导航研究。因此，缺乏基于航天任务的行星数据集、标准化基准和评估协议。在本文中，我们致力于在行星火车路径规划的背景下协调这三个研究方向。我们提出首个两个大型平面基准数据集，MarsPlanBench 和 MoonPlanBench，源自 Mars 和月球的高分辨率数字地形图像。此外，我们在统一的框架中设置经典和学习的路径规划算法，并在所提数据集和流行基准上进行评估。通过全面实验，我们报告了关于行星地形下代表性路径规划算法性能的新见解，这是我们所知已知首次。我们的結果显示，经典算法在诸如月球北极和南极等具有挑战性的地形上平均可实现最高 100% 的全局路径规划成功率。这表明，例如，为何这些算法在 NASA 中被实际使用。相反，尽管学习模型在较不复杂的环境中显示出有前景的成果，但在行星领域仍难以泛化。为服务于根本性路径规划研究，我们的代码和数据集将在：https://github.com/mchancan/PlanetaryPathBench 上发布。
引用
@article{arxiv.2512.21438,
title = {Planetary Terrain Datasets and Benchmarks for Rover Path Planning},
author = {Marvin Chancán and Avijit Banerjee and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2512.21438},
year = {2025}
}