EgoWalk: A Multimodal Dataset for Robot Navigation in the Wild

要約

データ駆動型ナビゲーションアルゴリズムは、現実的で制御されていない条件でのトレーニングと堅牢なパフォーマンスのために、大規模で高品質の現実世界のデータ収集に大きく依存しています。
ナビゲーション関連の実世界のデータセットの成長するファミリを強化するために、屋内/屋外、さまざまな季節、および位置環境の多様なセットで50時間のヒューマンナビゲーションのデータセットであるEgowalkを紹介します。
生および模倣学習対応のデータに加えて、いくつかのパイプラインを導入して、他のナビゲーション関連のタスクの子会社、つまり自然言語目標注釈と移動性セグメンテーションマスクの子会社データセットを自動的に作成します。
提案されたデータセットの多様性研究、ユースケース、およびベンチマークが提供され、その実用的な適用性を実証します。
すべてのデータ処理パイプラインと、データ収集に使用されるハードウェアプラットフォームの説明を公然とリリースして、ロボットナビゲーションシステムの将来の研究開発をサポートしています。

要約(オリジナル)

Data-driven navigation algorithms are critically dependent on large-scale, high-quality real-world data collection for successful training and robust performance in realistic and uncontrolled conditions. To enhance the growing family of navigation-related real-world datasets, we introduce EgoWalk – a dataset of 50 hours of human navigation in a diverse set of indoor/outdoor, varied seasons, and location environments. Along with the raw and Imitation Learning-ready data, we introduce several pipelines to automatically create subsidiary datasets for other navigation-related tasks, namely natural language goal annotations and traversability segmentation masks. Diversity studies, use cases, and benchmarks for the proposed dataset are provided to demonstrate its practical applicability. We openly release all data processing pipelines and the description of the hardware platform used for data collection to support future research and development in robot navigation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google