Sixth-Sense：基于平面激光雷达的人类空间感知自监督学习
机器人学
2026-04-17 v2 机器学习
摘要
可靠的人员定位对于必须与人类密切互动的服务机器人和社交机器人至关重要。最先进的人类检测器通常依赖 RGB-D 相机或昂贵的 3D LiDAR。然而，大多数商用机器人配备的是视场角狭窄的相机，导致它们无法察觉从其他方向靠近的用户；或者是配备读数难以解释的廉价 1D LiDAR。为了解决这些局限性，我们提出了一种自监督方法，利用 RGB-D 相机的检测结果作为监督，从 1D LiDAR 数据中检测人类并估计其 2D 姿态。我们的模型使用 70 分钟的自主采集数据进行训练，在未见过的环境中实现了 71% 的精确率、80% 的召回率，并且与真实数据相比，距离的平均绝对误差为 13cm，方向的平均绝对误差为 44{\deg}。除了原始的检测精度外，这种能力对于在共享公共空间中运行的机器人也具有重要意义，在这些空间中，对附近人员的全向感知对于安全导航、适当的接近行为以及使用低成本、保护隐私的传感器及时启动人机交互至关重要。在另外两个公共环境中的部署进一步表明，该方法可以作为一种实用的宽视场感知层，用于具备社交意识的服务机器人。
引用
@article{arxiv.2502.21029,
title = {Sixth-Sense: Self-Supervised Learning of Spatial Awareness of Humans from a Planar Lidar},
author = {Simone Arreghini and Nicholas Carlotti and Mirko Nava and Antonio Paolillo and Alessandro Giusti},
journal= {arXiv preprint arXiv:2502.21029},
year = {2026}
}