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
- NVIDIA 推出通用人形机器人世界模型 Hydra-0 — chris_j_paxton · 2026-09-01
- Galbot ET1 机器人学会打网球，能自主高速对打 — Olivier__OG · 2026-09-01
- 创新奇智半年报：工业智能体落地与盈利 — 智东西 · 2026-09-01
- 梅卡曼德上市：3D视觉与具身大脑的生意 — 智东西 · 2026-09-01
- 买台 iPhone 13 mini 当作强化学习环境 — willcb · 2026-09-01
- 全感官数字人：实现触觉变形、空间听觉与物理语音 — bhartsb · 2026-09-01