Proprioception Is All You Need：北方森林的地形分类
机器人学
2025-01-16 v2 人工智能
机器学习
信号处理
摘要
最近在野外机器人领域的工作强调了针对不同地形类型韧性的重要性。特别是北方森林包含许多阻碍移动的地形，在越野自主导航中必须予以考虑。此外，作为地球上最大的陆地生物群落之一，北方森林是自动驾驶车辆预计将日益普及的区域。在本文中，我们通过引入 BorealTC 来解决这个问题，这是一个用于基于本体感知的地形分类（TC）的公开可用数据集。我们的数据集使用 Husky A200 记录，包含 116 分钟的惯性测量单元（IMU）、电机电流和轮式里程计数据，重点关注典型的北方森林地形，特别是雪、冰和粉质壤土。我们将我们的数据集与另一个来自最先进技术的数据集相结合，在 TC 任务上评估了卷积神经网络（CNN）和基于新型状态空间模型（SSM）的 Mamba 架构。有趣的是，我们表明虽然 CNN 在每个单独的数据集上都优于 Mamba，但当在两者的组合上进行训练时，Mamba 获得了更高的准确率。此外，我们证明了随着数据量的增加，Mamba 的学习能力高于 CNN。我们表明，两个 TC 数据集的组合产生了一个可以用地形属性解释的潜空间。我们还讨论了合并数据集对分类的影响。我们的源代码和数据集已在线公开：https://github.com/norlab-ulaval/BorealTC。
引用
@article{arxiv.2403.16877,
title = {Proprioception Is All You Need: Terrain Classification for Boreal Forests},
author = {Damien LaRocque and William Guimont-Martin and David-Alexandre Duclos and Philippe Giguère and François Pomerleau},
journal= {arXiv preprint arXiv:2403.16877},
year = {2025}
}
备注
Accepted to the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2024)