Customizable Perturbation Synthesis for Robust SLAM Benchmarking

要約

堅牢性は、非構造化環境、特に同時ローカリゼーションとマッピング (SLAM) の領域でロボットの導入を成功させるための重要な要素です。
シミュレーションベースのベンチマークは、現実世界のデータ収集と比較して堅牢性を評価するための拡張性の高いアプローチとして登場しました。
しかし、さまざまな摂動を伴う、挑戦的で制御可能な騒々しい世界を構築することは、まだ比較的研究が進んでいません。
この目的を達成するために、さまざまな摂動に対するマルチモーダル SLAM モデルの回復力を評価することを目的とした、ノイズの多いデータ合成用の新しいカスタマイズ可能なパイプラインを提案します。
このパイプラインには、カスタマイズ可能なハードウェア セットアップ、ソフトウェア コンポーネント、および摂動環境が組み込まれています。
特に、摂動合成ツールボックスとともに包括的な摂動分類法を導入し、クリーンなシミュレーションを困難なノイズの多い環境に変換できるようにします。
パイプラインを利用して、さまざまな摂動タイプを含む Robust-SLAM ベンチマークをインスタンス化し、既存の高度なマルチモーダル SLAM モデルのリスク許容度を評価します。
私たちの広範な分析により、既存の SLAM モデルは標準ベンチマークで精度が実証されているにもかかわらず、現実世界の外乱に対する影響を受けやすいことが明らかになりました。
当社の摂動合成ツールボックス、SLAM 堅牢性評価パイプライン、および Robust-SLAM ベンチマークは、https://github.com/Xiaohao-Xu/SLAM-under-Perturbation/ で公開される予定です。

要約(オリジナル)

Robustness is a crucial factor for the successful deployment of robots in unstructured environments, particularly in the domain of Simultaneous Localization and Mapping (SLAM). Simulation-based benchmarks have emerged as a highly scalable approach for robustness evaluation compared to real-world data collection. However, crafting a challenging and controllable noisy world with diverse perturbations remains relatively under-explored. To this end, we propose a novel, customizable pipeline for noisy data synthesis, aimed at assessing the resilience of multi-modal SLAM models against various perturbations. This pipeline incorporates customizable hardware setups, software components, and perturbed environments. In particular, we introduce comprehensive perturbation taxonomy along with a perturbation composition toolbox, allowing the transformation of clean simulations into challenging noisy environments. Utilizing the pipeline, we instantiate the Robust-SLAM benchmark, which includes diverse perturbation types, to evaluate the risk tolerance of existing advanced multi-modal SLAM models. Our extensive analysis uncovers the susceptibilities of existing SLAM models to real-world disturbance, despite their demonstrated accuracy in standard benchmarks. Our perturbation synthesis toolbox, SLAM robustness evaluation pipeline, and Robust-SLAM benchmark will be made publicly available at https://github.com/Xiaohao-Xu/SLAM-under-Perturbation/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google