MARE: An Open-Source Lunar Rover Simulator with Shadow Ground Truth for Perception and Autonomy

📄 arXiv: 2610.28465v1 📥 PDF

作者: Raúl Castilla-Arquillo, Miguel Olivares-Mendez

分类: cs.RO

发布日期: 2026-10-20

备注: 7 pages, 12 figures, 2 tables. Code: https://github.com/raulcastar/MARE-Lunar-Simulator. Video: https://youtu.be/EI4HgbMFbBE

💡 一句话要点

提出MARE以解决月球探测中的感知与自主导航问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 月球探测 自动化探测车 感知算法 阴影处理 开源模拟环境

📋 核心要点

  1. 现有方法在极端光照条件下的月球探测中面临感知和导航的挑战，尤其是阴影区域的处理困难。
  2. MARE通过构建一个集成的开源模拟环境，提供高质量的传感器数据和准确的地面真值，支持算法开发。
  3. 实验结果显示，在低太阳高度角下，MARE的阴影预测与渲染之间的平均交并比（IoU）达到0.79，验证了其有效性。

📝 摘要（中文）

随着月球表面探索的深入，自动化探测车在极端光照条件下的感知与行驶能力变得愈发重要。尤其在月球极地，低太阳高度角导致长且高对比度的阴影，这对立体视觉、地形分割和定位提出了挑战。开发适应这些条件的感知和导航算法需要大量带有准确地面真值的传感器数据，而野外考察和模拟设施提供的数据成本高且种类有限。本文提出了MARE（模块化自主与渲染环境），这是一个基于Unreal Engine 5和ROS 2构建的开源月球探测车感知与自主模拟套件。MARE包含三个集成组件，Terrain Studio生成月球数字高程图，专用的Unreal Engine项目托管物理基础的探测车，并提供时间戳传感器数据和像素级地面真值，最后，指导、导航和控制（GNC）堆栈提供基于网络的任务控制。

🔬 方法详解

问题定义：本文旨在解决在月球极地低太阳高度角下，自动探测车在阴影区域的感知和导航问题。现有方法在处理高对比度阴影时，往往无法提供准确的地面真值，导致算法性能下降。

核心思路：MARE通过创建一个高保真度的模拟环境，结合Unreal Engine 5和ROS 2，提供真实的传感器数据和地面真值，从而帮助研究人员开发和验证感知与导航算法。

技术框架：MARE的整体架构包括三个主要模块：Terrain Studio用于生成月球数字高程图，Unreal Engine项目托管物理基础的探测车及其传感器插件，GNC堆栈提供任务控制界面。

关键创新：MARE的创新之处在于其开源特性和高保真度的模拟能力，能够在极端光照条件下生成准确的阴影数据，与现有方法相比，提供了更为丰富和多样化的训练数据。

关键设计：在设计中，MARE采用了时间戳传感器数据流和像素级地面真值，确保了数据的准确性和实时性，同时在阴影区域的深度分析中，验证了阴影对像素覆盖的影响。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，MARE在低太阳高度角下的阴影预测与渲染之间的平均交并比（IoU）达到0.79，表明其在阴影处理上的有效性。此外，立体深度分析验证了阴影区域的像素覆盖率显著低于阳光照射区域，进一步支持了MARE的实用性。

🎯 应用场景

MARE的潜在应用领域包括月球探测、机器人自主导航和极端环境下的感知算法开发。通过提供高质量的模拟数据，MARE可以帮助研究人员和工程师在实际任务中提高探测车的自主性和可靠性，推动月球探索的进展。

📄 摘要（原文）

Lunar surface exploration increasingly relies on autonomous rovers that must perceive and traverse unstructured terrain under extreme illumination conditions. Near the lunar poles, low sun elevations produce long, high-contrast shadows that challenge stereo vision, terrain segmentation, and localization. Developing perception and navigation algorithms for these conditions requires large amounts of sensor data with accurate ground truth, which field campaigns and analog facilities can only provide at high cost and with limited variety. This paper presents MARE (Modular Autonomy and Rendering Environment), an open-source simulation suite for lunar rover perception and autonomy built on Unreal Engine 5 and ROS 2. MARE consists of three integrated components. Terrain Studio generates cratered and rocky lunar Digital Elevation Maps (DEMs) to build simulation scenes. A dedicated Unreal Engine project hosts two physics-based rovers with plugins for stereo, lidar, event, and Single-Photon Avalanche Diode (SPAD) cameras, streaming time-stamped sensor data and pixel-accurate ground truth. Lastly, a Guidance, Navigation, and Control (GNC) stack provides web-based mission control. Validation shows a mean Intersection over Union (IoU) of 0.79 between predicted and rendered shadows at low sun elevations, and stereo depth analysis verifies decreased pixel coverage in shadowed regions relative to sunlit terrain.