自然环境中机器人感知的跨模式基准测试

自然环境对机器人感知系统提出了复杂的挑战。当前的模型，特别是视觉基础模型，主要是在结构化的城市环境中进行训练，导致它们对现场机器人任务的感知存在弱点。我们使用最近发布的 WildCross 基准展示了当前模型的局限性，这是一种新的跨模式基准，用于大规模自然环境中的位置识别和度量深度估计。 WildCross 包含超过 476K 的连续 RGB 帧，具有半密集深度和表面法线注释，每个帧都与精确的 6DoF 姿态和同步密集激光雷达子图对齐。在这项工作中，我们对最近的 WildCross 基准测试结果进行了扩展分析，特别强调扩展的度量深度估计实验。可以在 https://csiro-robotics.github.io/WildCross 上找到对这项工作的代码存储库和数据集的访问。