基於碰撞時間的動態避障方法：利用預訓練視覺模型實現機器人在非結構化環境中的自主導航
提出一種數據高效、可解釋的視覺動態避障方法，利用預訓練的單目深度估計模型UniDepth和特徵匹配管道SuperPoint+SuperGlue，通過計算每個關鍵點的碰撞時間（TTC）來選擇避障動作。在M3ED數據集上評估，精確率0.49，召回率0.38，對22個障礙物中的20個成功檢測到TTC<1秒的幀。無需訓練機器人專用模型，僅需74秒數據調整超參數。
在非結構化户外環境中，動態障礙物迴避是自主移動機器人面臨的關鍵挑戰。傳統的端到端學習方法依賴於大量機器人專用訓練數據，且仿真環境訓練的策略存在“仿真到現實”的遷移難題。本文提出了一種數據高效且可解釋的視覺動態避障方法，完全基於真實世界數據運行，避免了上述問題。
該方法利用大規模預訓練的單目深度估計模型UniDepth，僅從RGB視頻即可生成密集深度圖，無需立體相機或激光雷達。為實現動態避障，研究者擴展了SuperPoint和SuperGlue特徵對應管道，在長幀序列中跟蹤關鍵點，利用相機內參和預測深度將二維像素座標投影到三維空間，並通過光束法平差進行優化。隨後計算每個關鍵點的碰撞時間（TTC），並選擇遠離最小TTC關鍵點最近接近點的地面平面運動原語。
在M3ED數據集上的評估顯示，該方法在識別地面真值TTC低於1秒的幀時，精確率達到0.49，召回率為0.38。在84%的真陽性檢測中，系統正確生成了規避運動方向。重要的是，對於測試序列中的22個獨特物理障礙物，該方法成功檢測到其中20個的TTC小於1秒的幀。與需要數千小時訓練數據的傳統方法相比，本文方法完全無需模型訓練，僅需74秒的數據進行超參數調整，展現了卓越的數據效率和跨障礙物類型的泛化能力。