无人机看，无人车做：空中影像与虚拟示教实现零样本地面车辆重复导航
机器人学
2025-07-31 v2
摘要
本文提出虚拟示教与重复导航（VirT&R）：这是对示教与重复（T&R）框架的扩展，能够在未经探索的环境中实现无 GPS 条件下的零样本自主地面车辆导航。VirT&R 利用为目标环境采集的空中影像训练神经辐射场（NeRF）模型，从而提取密集点云和照片纹理网格。NeRF 网格用于创建环境的高保真模拟，用于驾驶无人地面车辆（UGV）虚拟定义期望路径。随后，通过沿路径关联的 NeRF 生成点云子图和现有的激光雷达示教与重复（LT&R）框架，可在实际目标环境中执行该任务。我们在超过 12 km 的自动驾驶数据上对 VirT&R 的重复性进行了基准测试，利用物理标记获取可与 LT&R 进行比较的仿真到真实横向路径跟踪误差。VirT&R 在两个不同环境中测得的均方根误差（RMSE）分别为 19.5 cm 和 18.4 cm，略小于测试所用机器人一个轮胎的宽度（24 cm），各自的最大误差分别为 39.4 cm 和 47.6 cm。这一结果仅使用 NeRF 导出的示教地图即实现，表明 VirT&R 具有与 LT&R 类似的闭环路径跟踪性能，但无需人工在实际环境中向 UGV 手动示教路径。
引用
@article{arxiv.2505.16912,
title = {UAV See, UGV Do: Aerial Imagery and Virtual Teach Enabling Zero-Shot Ground Vehicle Repeat},
author = {Desiree Fisker and Alexander Krawciw and Sven Lilge and Melissa Greeff and Timothy D. Barfoot},
journal= {arXiv preprint arXiv:2505.16912},
year = {2025}
}
备注
8 pages, 8 figures, accepted to IROS 2025