Sensor-Layout-Agnostic Navigation via Geometric Observation Canonicalization
作者: Welf Rehberg, Kostas Alexis
分类: cs.RO
发布日期: 2026-10-06
💡 一句话要点
提出一种传感器布局无关的导航方法以解决视觉导航的局限性
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 视觉导航 深度学习 机器人感知 强化学习 传感器融合 无人机技术 自主导航
📋 核心要点
- 现有视觉导航策略依赖固定相机配置，限制了其在不同传感器布局中的适用性。
- 提出了一种通过显式反投影深度测量到共享框架的方法，增强了导航策略的泛化能力。
- 实验表明，该策略在多种相机布局下成功率显著提升，从78%提高到95%。
📝 摘要（中文）
现有的视觉导航策略通常依赖于固定的相机配置，这限制了其在不同机器人传感器布局中的零-shot部署。为了解决这一问题，本文提出了一种基于体现信息的导航策略，能够在特定的空中平台上跨越多种深度传感器配置进行泛化。该方法通过将任意深度传感器的深度测量显式反投影到共享的机器人中心框架中，生成统一的球形范围图像和二进制有效性掩码，从而帮助下游策略区分已覆盖空间与未观测盲区。经过强化学习训练，该策略在未见布局中实现了零-shot泛化，成功率从78%提升至95%。最后，在真实环境中进行的飞行试验验证了该策略在不同相机配置下的零-shot转移能力及其对突发传感器掉线的鲁棒性。
🔬 方法详解
问题定义：现有的视觉导航方法通常依赖于特定的相机配置，这导致在不同传感器布局下的适用性差，限制了其在实际应用中的灵活性。
核心思路：本文提出了一种新的导航策略，通过显式反投影深度测量，将不同传感器的输出统一到一个共享的机器人中心框架中，从而实现跨布局的导航能力。
技术框架：整体方法包括深度测量的反投影、生成统一的球形范围图像和有效性掩码，随后利用强化学习进行训练。主要模块包括深度数据处理、图像生成和策略学习。
关键创新：最重要的创新在于显式反投影机制，使得导航策略能够在不同的传感器布局下进行有效的空间感知，而不是依赖于隐式学习空间对齐。
关键设计：在训练过程中采用了激进的相机随机化策略，以增强模型的泛化能力。损失函数设计上考虑了有效性掩码的影响，确保模型能够准确区分已观测与未观测区域。网络结构方面，采用了适应性强的深度学习框架，以处理不同传感器配置带来的挑战。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在未见的相机布局中，该导航策略的成功率从78%提升至95%。在真实环境中的飞行试验验证了其在复杂障碍环境下的有效性和对传感器掉线的鲁棒性，展示了该方法的实际应用潜力。
🎯 应用场景
该研究的潜在应用领域包括无人机导航、自动驾驶车辆以及各种机器人系统的自主导航。通过提高不同传感器布局下的导航能力，该方法能够在复杂环境中实现更高效的自主操作，具有重要的实际价值和广泛的应用前景。
📄 摘要（原文）
Existing visual navigation policies are inherently bound to fixed camera configurations, creating a fundamental barrier to zero-shot deployment across heterogeneous robot sensor layouts. To overcome this limitation, we present an embodiment-informed navigation policy capable of generalizing across diverse depth sensor configurations on a specific aerial platform. Instead of implicitly learning spatial alignments, our approach explicitly unprojects depth measurements from arbitrary depth sensor payloads, varying in sensor count, mounting extrinsics, and intrinsics, into a shared robot-centric frame, stitching them into a unified spherical range image and a binary validity mask. This mask allows the downstream policy to explicitly distinguish covered space from unobserved blind spots. Trained via reinforcement learning with aggressive camera randomization, our policy generalizes zero-shot to unseen layouts featuring up to seven cameras, scaling success rates from 78% to 95% as total spatial sensing coverage increases. Finally, real-world flight trials on a physical quadrotor, conducted in an obstacle-filled corridor and an outdoor forest, validate the policy's zero-shot transfer across camera configurations and its resilience to sudden online sensor dropouts.