合成数据与真实数据在视觉导航中的比较
机器人学
2026-02-26 v2 机器学习
摘要
本文探讨了在仿真环境中训练的视觉导航策略性能与使用真实世界数据训练的策略进行比较。仿真训练的策略在实际评估中常出现显著性能下降。尽管存在这种已知的仿真到现实鸿沟，我们却展示了仿真训练的策略能够匹配其真实世界训练版本的性能。我们的核心方法是一种桥接仿真到现实外观差距的导航策略架构，利用预训练的视觉表征，并可在机器人硬件上实时运行。在轮式移动机器人上进行的评估表明，所提策略训练于仿真环境后，导航成功率比其真实世界训练版本高出 31 分，比以前的状态方法高出 50 分。通过在无人机上部署同一模型验证了策略的泛化能力。我们的结果突显了多样化图像编码器预训练对仿真到现实泛化的重要性，并指出仿真训练中基于策略的学习是相较于使用真实数据的训练方式的关键优势。代码、模型检查点及多媒体材料已在 https://lasuomela.github.io/faint/ 上提供。
引用
@article{arxiv.2509.11791,
title = {Synthetic vs. Real Training Data for Visual Navigation},
author = {Lauri Suomela and Sasanka Kuruppu Arachchige and German F. Torres and Harry Edelman and Joni-Kristian Kämäräinen},
journal= {arXiv preprint arXiv:2509.11791},
year = {2026}
}
备注
ICRA2026 Camera ready