Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

TANGO: Navegación con capacidad de transitabilidad y control métrico local para objetivos topológicos

Created by
  • Haebom

Autor

Stefan Podgorski, Sourav Garg, Mehdi Hosseinzadeh, Lachlan Mares, Feras Dayoub, Ian Reid

Describir

Este artículo presenta una novedosa canalización de navegación topológica a nivel de objeto, solo RGB, que permite la navegación robótica de largo alcance y sin disparos, sin un mapa 3D ni un controlador preentrenado. Integra la planificación global de rutas topológicas con el control de trayectorias métricas locales, lo que permite al robot navegar hacia subobjetivos a nivel de objeto evitando obstáculos. Aborda las limitaciones de los métodos existentes al incorporar un mecanismo que predice continuamente trayectorias locales mediante la estimación monocular de la profundidad y la transitabilidad, y cambia automáticamente a un controlador de referencia cuando es necesario. Mediante un modelo de referencia, garantiza la aplicabilidad en entornos abiertos sin necesidad de ajustes específicos del dominio. Su robustez e implementación se demuestran tanto en entornos simulados como reales, demostrando su eficacia y superando a los métodos de vanguardia existentes, proporcionando una solución más adaptable y eficaz para la navegación visual en entornos abiertos. El código fuente está disponible públicamente.

Takeaways, Limitations

Takeaways:
Demostramos que la navegación robótica de largo alcance con disparo cero es posible sin un mapa 3D o un controlador entrenado previamente.
El uso únicamente de imágenes RGB reduce los costos computacionales y facilita la generalización en una variedad de entornos.
La navegación a nivel de objetos permite una planificación de rutas más intuitiva y eficiente.
El enfoque basado en modelos básicos es aplicable a diversos entornos sin necesidad de realizar ajustes específicos del dominio.
Supera los métodos de última generación existentes.
Se han mejorado la reproducibilidad y la extensibilidad mediante la divulgación del código fuente.
Limitations:
El rendimiento puede verse afectado por la precisión de la estimación de la profundidad monocular y la estimación de la transitabilidad.
Es posible que no se garantice el rendimiento del mecanismo de conmutación automática en todos los entornos.
Se requiere una evaluación de desempeño adicional en entornos complejos y concurridos.
Es necesario un análisis más profundo de los errores acumulativos que pueden ocurrir durante el funcionamiento a largo plazo.
👍