ICRA 2025 GOOSE 3D 语义分割挑战技术报告：面向异构机器人系统的自适应点云理解
计算机视觉与模式识别
2025-06-10 v1
摘要
本技术报告介绍了 ICRA 2025 GOOSE 3D 语义分割挑战获胜方案的实现细节。该挑战聚焦于对来自多种机器人平台收集的多样化非结构化户外环境中的 3D 点云进行语义分割。通过实现集成 Point Transformer v3（PTv3）骨干网络的 Point Prompt Tuning（PPT），实现了对异构激光雷达数据的自适应处理，包括平台特定的条件化和跨数据集的类别对齐策略。该模型在不需额外外部数据的情况下进行训练。结果表明，该方法在挑战性平台上相对于基线 PTv3 模型实现了最高可达 22.59% 的 mIoU 提升，展示了面向现场机器人应用的自适应点云理解的有效性。
引用
@article{arxiv.2506.06995,
title = {Technical Report for ICRA 2025 GOOSE 3D Semantic Segmentation Challenge: Adaptive Point Cloud Understanding for Heterogeneous Robotic Systems},
author = {Xiaoya Zhang},
journal= {arXiv preprint arXiv:2506.06995},
year = {2025}
}
备注
Winner of the GOOSE 3D Semantic Segmentation Challenge at the IEEE ICRA Workshop on Field Robotics 2025