面向开放世界的自监督在线机器人无关可通行性估计

Julia Hindel, Simon Bultmann, Houman Masnavi, Daniele Cattaneo, Abhinav Valada

2026

摘要

本文提出COTRATE框架，通过自监督在线学习实现机器人无关的可通行性估计，利用多模态未标记经验持续适应导航行为。该框架采用新颖的对齐损失和多样性特征选择策略，在低内存开销下缓解遗忘问题，适用于开放世界环境。

traversability estimationself-supervised learningonline learningrobot-agnosticopen-world

LEARNING

📊 0 引用

Zixin Zhong, Liyan Song, Fengzhen Tang 等 4 位作者

Pattern Recognition · 2026

LOCOMOTION

📊 0 引用

Shengyang Lu, Guanpeng Chen, Lijing Zhao 等 5 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Dilip Muchhala, Pramod Kumar Maurya, Adarsh Raut 等 6 位作者

Robotics and Autonomous Systems · 2026

LOCOMOTION

📊 0 引用

Zewen He, Taiki Ishigaki, Ko Yamamoto

Robotics and Autonomous Systems · 2026