鲁棒的视觉化身：机器人如何在真实环境中发现自己的身体
机器人学
2025-10-07 v1
摘要
具有内部视觉自模型的机器人承诺着前所未有的适应性，但现有的自主建模管道在现实感知条件下如噪声图像和杂乱背景下仍然脆弱。本文首次系统性地量化了视觉退化——包括模糊、盐粒噪声和高斯噪声——如何影响机器人的自模型。通过仿真和物理实验，我们展示了这些退化对形态预测、轨迹规划和损伤恢复的影响。为克服这些挑战，我们引入了一个任务感知去噪框架，将经典恢复与保持形态的约束相耦合，确保保留对自模型至关重要的结构线索。此外，我们集成了语义分割来稳健地从杂乱和彩色场景中隔离机器人。广泛的实验表明，我们的方法在仿真和物理平台上恢复了接近基准的性能，而现有管道则显著退化。这些贡献推动了视觉自模型的鲁棒性，并为在不可预测的真实世界环境中部署自我感知机器人奠定了实用基础。
引用
@article{arxiv.2510.03677,
title = {Robust Visual Embodiment: How Robots Discover Their Bodies in Real Environments},
author = {Salim Rezvani and Ammar Jaleel Mahmood and Robin Chhabra},
journal= {arXiv preprint arXiv:2510.03677},
year = {2025}
}