SidewalkBench：城市人行道视觉导航基准测试

由于结构布局复杂、行人行为动态且距离长，城市人行道导航面临重大挑战。虽然最近的视觉导航模型提供了一个有前途的解决方案，但缺乏统一的基准阻碍了定量和可重复的评估。为了弥补这一差距，我们提出了 SidewalkBench，这是一个专为城市人行道视觉导航而设计的综合基准。 SidewalkBench 基于 NVIDIA Isaac Sim 构建，可对各种高保真人行道环境进行 GPU 加速模拟，包括程序生成的场景和真实世界的扫描场景。我们进一步用丰富的、基于事件的反应性行人行为和灵活、高效的动画来填充场景，从而在真实的现实环境下实现标准化模型评估。我们对 9 个视觉导航模型在 330 个单元测试场景、800 个行人反应场景和 105 个长视野场景进行了综合评估。我们的研究结果强调，行人交互和长视野鲁棒性仍然是现有模型的关键瓶颈，利用合成数据扩大人行道训练成为一种有前景的解决方案。