面向踏步式机器人导航的序列感知端到端控制：Seq-DeepIPC
机器人学
2025-10-28 v1 计算机视觉与模式识别
系统与控制
图像与视频处理
系统与控制
摘要
我们提出了Seq-DeepIPC，一种用于实际环境中踏步式机器人导航的顺序端到端感知到控制模型。Seq-DeepIPC 通过紧密集成多模态感知(RGB-D + GNSS)与时序融合和控制，推进了自主踏步导航的智能感知。该模型联合预测语义分割和深度估计，为规划和控制提供更丰富的空间特征。为了高效部署在边缘设备，我们使用 EfficientNet-B0 作为编码器，在保持准确性的同时降低计算量。姿态估计通过去除噪声较大的 IMU，改为直接从连续 GNSS 位置计算 bearing 角来简化。我们收集了更大更具多样性的数据集，包括道路和草地两种地形，并在机器人狗上验证了 Seq-DeepIPC。比较和消融实验表明，顺序输入改善了我们模型的感知和控制，而其他基线没有受益。Seq-DeepIPC 以合理的模型规模实现了竞争甚至更好的结果；尽管 GNSS-only 姿态估计在高楼附近不够可靠，但在开放区域稳健。总体而言，Seq-DeepIPC 将端到端导航扩展到了更具弹性和时序感知能力的系统。为支持未来研究，我们将在 GitHub 仓库 https://github.com/oskarnatan/Seq-DeepIPC 公开代码。
引用
@article{arxiv.2510.23057,
title = {Seq-DeepIPC: Sequential Sensing for End-to-End Control in Legged Robot Navigation},
author = {Oskar Natan and Jun Miura},
journal= {arXiv preprint arXiv:2510.23057},
year = {2025}
}
备注
Preprint notice, this manuscript has been submitted to IEEE sensors journal for possible publication