室内机器人导航硬件深度故障下的引导感知

我们提出了一种用于硬件深度故障下室内机器人导航的引导感知系统。在我们的走廊数据中，飞行时间相机在反射表面上损失了高达 78% 的深度像素，但仅 2D LiDAR 无法感知其扫描平面上方的障碍物。我们的系统利用了这种故障的自参照属性：传感器的幸存有效像素将学习到的单眼深度校准到公制尺度，因此系统无需外部数据即可填补自身的空白。该架构形成了一个故障感知传感层次结构，当传感器工作时保守，当传感器出现故障时进行填充：LiDAR 仍然是几何锚点，硬件深度保持在有效的位置，学习深度仅在需要的地方进入。在走廊和动态行人评估中，选择性融合比单独使用 LiDAR 将成本图障碍物覆盖率提高了 55-110%。一名紧凑型蒸馏学生在 Jetson Orin Nano 上以 218FPS 运行，并在闭环模拟中实现了 9/10 的导航成功率和零碰撞，以基础模型成本的一小部分匹配 真值 深度基线。