WarNav：面向战场可导航区域分割的自动驾驶基准
计算机视觉与模式识别
2025-11-20 v1
摘要
我们引入 WarNav，一个新构建的真实世界数据集，源自开源 DATTALION 数据仓库，专为开发和评估在非结构化、受冲突影响环境中实现语义分割以支持自动地面车辆导航而设计。该数据集填补了传统城市驾驶资源与无人系统在危险和受损战场等特殊作业情景之间的关键差距。我们详细阐述了从数据异构性到伦理考量等方法论挑战，为面向极端作业情景的后续工作提供指导。为建立性能基准，我们报告了在 WarNav 上使用几种最新语义分割模型（这些模型在结构化城市场景上训练）的基线结果。我们进一步分析了训练数据环境的影响，提出了一种在缺乏目标图像标注限制下，提高难以导航环境下可行性的初步方法。我们的目标是促进具有影响力的研究，提高自动驾驶车辆在高风险情景下的鲁棒性与安全性，同时节省标注数据。
引用
@article{arxiv.2511.15429,
title = {WarNav: An Autonomous Driving Benchmark for Segmentation of Navigable Zones in War Scenes},
author = {Marc-Emmanuel Coupvent des Graviers and Hejer Ammar and Christophe Guettier and Yann Dumortier and Romaric Audigier},
journal= {arXiv preprint arXiv:2511.15429},
year = {2025}
}
备注
Accepted at CAID (Conference on Artificial Intelligence for Defence)