单目 SLAM 抗干扰评测:学习方法把灾难性失败换成了持续漂移
zhenjun_zhao · x · 2026-09-01
论文:Failure or Drift? Evaluating Monocular SLAM under Synthetic and Real-World Corruptions(ECCV 2026 NeuSLAM workshop)。
- 对象:经典特征法 ORB-SLAM2 与两个学习方法跟踪器(DPVO、DROID-SLAM),在图像空间、几何感知与复合扰动下评测,并与 4Seasons 数据集中的真实恶劣条件对比。
- 方法要点:不把鲁棒性压缩成单一轨迹误差,而是区分显式跟踪失败与持续存活但累积的漂移。
- 核心发现:学习方法大多把灾难性丢失替换为持续、有时严重的漂移;学习系统的表现排序会随扰动物理保真度而改变——结构化雨雾代理能保留真实世界的排序,简单光照代理则不能。代码已开源。
「具身」频道最新
- Meta 可穿戴 VP 用 3 部手机 23 副眼镜跑个人 AI Agent — nikola_mr64990 · 2026-10-18
- 旋转棱镜模拟微眼跳，事件相机首次获稳定纹理感知 — RexDouglass · 2026-10-18
- Neuralink 患者用意念操控机械臂、无人机和打游戏 — XFreeze · 2026-10-18
- 独立开发者自制人形机器人颈部，AI 辅助推球关节驱动设计 — _Stocko_ · 2026-10-18
- 退休教授因阻拦 Uber Eats 送餐机器人被逮捕 — johnnyApplePRNG · 2026-10-18
- 15 年多传感器老兵:LIDAR 融合是拐杖,算力挤占让纯视觉方案更强 — PTrubey · 2026-10-18