Excavating in the Wild: The GOOSE-Ex Dataset for Semantic Segmentation

要約

自律システム向けの深層学習ベースの技術の導入が成功するかどうかは、導入環境における各システムのデータの可用性に大きく依存します。
特に非構造化屋外環境では、さらに少ないロボット プラットフォームとシナリオに対応するデータセットがほとんど存在しません。
以前の研究では、構造化されていない環境での認識機能を強化するために、German Outdoor and Offroad Dataset (GOOSE) フレームワークとオフロード車両からの 10,000 個のマルチモーダル フレームを紹介しました。
この研究では、GOOSE フレームワークの一般化可能性に取り組みます。
これを達成するために、私たちは GOOSE-Ex データセットをオープンソース化しました。このデータセットには、ロボット掘削機と四足歩行プラットフォームで記録された、まったく異なるさまざまな環境からの追加の 5,000 個のラベル付きマルチモーダル フレームが含まれています。
私たちは、目に見えない環境におけるさまざまなプラットフォームとセンサーモダリティでのセマンティック セグメンテーションのパフォーマンスの包括的な分析を実行します。
さらに、オフロード ナビゲーション、オブジェクト操作、シーンの完成など、さまざまな下流アプリケーションや競技会で、結合されたデータセットをどのように利用できるかを示します。
データセット、そのプラットフォームのドキュメント、およびオフロード認識用の事前トレーニング済みの最先端モデルは、https://goose-dataset.de/ で利用可能になります。
\

要約(オリジナル)

The successful deployment of deep learning-based techniques for autonomous systems is highly dependent on the data availability for the respective system in its deployment environment. Especially for unstructured outdoor environments, very few datasets exist for even fewer robotic platforms and scenarios. In an earlier work, we presented the German Outdoor and Offroad Dataset (GOOSE) framework along with 10000 multimodal frames from an offroad vehicle to enhance the perception capabilities in unstructured environments. In this work, we address the generalizability of the GOOSE framework. To accomplish this, we open-source the GOOSE-Ex dataset, which contains additional 5000 labeled multimodal frames from various completely different environments, recorded on a robotic excavator and a quadruped platform. We perform a comprehensive analysis of the semantic segmentation performance on different platforms and sensor modalities in unseen environments. In addition, we demonstrate how the combined datasets can be utilized for different downstream applications or competitions such as offroad navigation, object manipulation or scene completion. The dataset, its platform documentation and pre-trained state-of-the-art models for offroad perception will be made available on https://goose-dataset.de/. \

arxiv情報

提供元, 利用サービス

arxiv.jp, Google