PERCEPTION
教机器人说'我不知道'：用于不确定性感知SLAM的SENTINEL框架
Abhishek S, Badrikanath Praharaj, Sreeram MV
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出SENTINEL框架，通过几何扫描统计与跨模态深度一致性为低成本2D LiDAR提供可靠性评分，在评分低于阈值时拒绝损坏扫描并回退到轮式里程计。实验在包含透明和反射障碍物的环境中验证了该方法能有效区分清洁与故障情况。
关键词
uncertainty-awareSLAMLiDARreliability estimationcross-modal depth consistency
相关论文
PERCEPTION
📊 22,245 引用
Artificial intelligence: a modern approach
1995
PERCEPTION
📊 14,348 引用
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
PERCEPTION
开放获取📊 9,777 引用
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者
2016
PERCEPTION
📊 9,681 引用
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者
2013