SubT-MRS 数据集：推动 SLAM 迈向全天气环境
机器人学
2024-06-04 v5
摘要
同步定位与建图（SLAM）是自主导航与探索等众多应用的一项基础任务。尽管已发布许多 SLAM 数据集，当前的 SLAM 方案仍难以维持稳定且具有韧性的性能。一个主要问题是缺乏包含多样全天气条件的高质量数据集，以及评估鲁棒性的可靠指标。这一局限显著制约了 SLAM 技术的可扩展性与泛化能力，影响其开发、验证与部署。为应对该问题，我们提出 SubT-MRS，一个极具挑战性的真实世界数据集，旨在推动 SLAM 迈向全天气环境以追求最鲁棒的 SLAM 性能。它包含多种退化环境，涵盖超过 30 种不同场景，如无机结构走廊、变化光照条件，以及烟雾和粉尘等感知障碍物；多模态传感器如 LiDAR、鱼眼相机、IMU 与热像仪；以及空中、足式与轮式机器人等多种运动方式。我们为 SLAM 开发了精度与鲁棒性评估赛道，并引入了新颖的鲁棒性度量。我们开展了全面研究，揭示了未来研究的新观察、挑战与机遇。
引用
@article{arxiv.2307.07607,
title = {SubT-MRS Dataset: Pushing SLAM Towards All-weather Environments},
author = {Shibo Zhao and Yuanjun Gao and Tianhao Wu and Damanpreet Singh and Rushan Jiang and Haoxiang Sun and Mansi Sarawata and Yuheng Qiu and Warren Whittaker and Ian Higgins and Yi Du and Shaoshu Su and Can Xu and John Keller and Jay Karhade and Lucas Nogueira and Sourojit Saha and Ji Zhang and Wenshan Wang and Chen Wang and Sebastian Scherer},
journal= {arXiv preprint arXiv:2307.07607},
year = {2024}
}