面向季节性深雪积累的教学-重复技术
机器人学
2025-06-25 v2
摘要
教学-重复（Teach and Repeat）是实现野外环境和离岸场域自主化的快速方法。操作者驾驶车辆以创建一网络路径，这些路径被映射并关联到里程计。教学后，系统即可在其轨迹内自主行驶。这种精度让操作者确信机器人将沿可遍历路径行驶。然而，该操作范式在季节性变化显著的离岸环境中鲜有探索。本文 presenting of preliminary field trials using lidar 和 radar 实现的教学-重复技术。使用来自即将发布的 FoMo 数据集子集，我们尝试重复4天、44天和113天前的路径。激光雷达教学-重复在移除地面点后表现出更强的定位能力。FMCW 雷达常能在较旧地图上进行定位，但仅能在小幅偏离教学路径的范围内实现。此外，我们指出在车辆高俯仰或横滚角情况下，雷达定位在新地图上也会失败。我们总结了现场部署中的经验教训，并指出为实现基于季节性环境变化的可靠教学-重复需进一步改进的方向。请关注 https://norlab-ulaval.github.io/FoMo-website 获取数据更新及发布信息。
引用
@article{arxiv.2505.01339,
title = {Toward Teach and Repeat Across Seasonal Deep Snow Accumulation},
author = {Matěj Boxan and Alexander Krawciw and Timothy D. Barfoot and François Pomerleau},
journal= {arXiv preprint arXiv:2505.01339},
year = {2025}
}