arXiv Robotics· Samuel Triest, Amirreza Shaban, David D. Fan, Wenshan Wang, Sebastian Scherer·· 2 小时前AI 评分34
TravSUITE：用自监督、不确定性感知的 IRL 与地形估计实现越野可通行性分析
TravSUITE: Traversability via Self-Supervised, Uncertainty-Aware IRL and Terrain Estimation
AI 导读
TravSUITE 是面向越野高速导航的可通行性系统，由利用视觉基础模型构建几何-语义局部地图的体素建图器和在 BEV 下联合预测几何、语义、速度与代价的统一神经网络组成，训练完全无需标注、采用自监督与逆强化学习。消融实验显示代价学习与辅助地图补全各自显著提升规划质量，二者结合是达到越野路径规划 SOTA 的关键。实机实验中，补全与风险评估结合使导航错误减少 80%、自主通行速度提升 5%。
来源：arXiv Robotics · arxiv.org