SUNSET -- 基于传感器融合的语义分割示例，用于ROS-based自适应
机器人学
2026-01-21 v1
摘要
机器人部署得越来越多地出现在动态环境中，随着其软件系统复杂度的增加，对于自适应方法的需求日益增长。在这些环境中，机器人软件系统正越来越多地处于（1）不确定性环境中，其中症状容易观察但根本原因模糊不清，或（2）同时出现多重不确定性的情况。我们提出SUNSET，这是一个ROS2-based示例，使能够在此类条件下对架构基于自适应进行严格、可重复的评估。它实现了一个由训练有监督的机器学习模型驱动的传感器融合语义分割管线，其输入预处理可被扰动以诱发真实的性能降级。该示例暴露了五个可观察症状，其中每个症状都可以由不同的根本原因引起，并且支持跨越自我修复和自我优化的并发不确定性。SUNSET包括分割管线、训练有监督的机器学习模型、不确定性注入脚本、基线控制器以及分步集成和评估文档，以促进可重复研究和公平比较。
引用
@article{arxiv.2601.13732,
title = {SUNSET -- A Sensor-fUsioN based semantic SegmEnTation exemplar for ROS-based self-adaptation},
author = {Andreas Wiedholz and Rafael Paintner and Julian Gleißner and Alwin Hoffmann and Tobias Huber},
journal= {arXiv preprint arXiv:2601.13732},
year = {2026}
}