El modelo RGB-only de 21,6 M de parámetros de FLINT supera a un modelo fundacional en navegación fuera de carretera

La navegación fuera de carretera carece de estructura: no existe un vocabulario fijo de lo que es transitable, y la transitabilidad depende tanto del entorno como de la propia dinámica del vehículo. Ninguna de las dos variables puede etiquetarse manualmente a escala, por lo que la transitabilidad debe aprenderse de la propia experiencia de la encarnación.

Frente a la tendencia de plataformas multisensor y de inferencia computacionalmente intensiva, FLINT es un backbone de 21,6 M de parámetros, 38 veces más pequeño que un backbone de modelo fundacional comparable, que usa una sola cámara RGB y se ejecuta a 14,7 FPS solo en CPU. Obtuvo puntuaciones más altas en pruebas de terreno reservado y produjo mapas de coste más baratos y precisos que un sistema de modelo fundacional desplegado (WildOS) en 23 de 24 registros de campo reproducidos.

Los autores compararon señales de aprendizaje autosupervisado y desplegaron los modelos resultantes en ensayos de campo en bucle cerrado: la mejor cabeza autosupervisada alcanzó un 99 % de autonomía a lo largo de la ruta, superando a una línea base entrenada con etiquetas humanas desplegada en vivo en el mismo recorrido.

Permitir que el robot aprenda la transitabilidad a partir de su propia experiencia

La autosupervisión a partir de la propia experiencia de la plataforma ajusta los datos de entrenamiento a la encarnación y al terreno exactos a los que se enfrentará.

Un backbone pequeño con una sola cámara RGB reduce el coste y la latencia sin perder la señal relevante para la decisión.

Las pruebas de terreno reservado y los registros de campo reproducidos evaluaron la generalización antes del despliegue en vivo.

Superar en vivo a una línea base entrenada con etiquetas humanas demuestra que el cuello de botella eran las etiquetas, no la arquitectura.

Para las habilidades encarnadas, la propia experiencia registrada de la encarnación puede supervisar un modelo lo bastante pequeño para hardware de uso común; el sensado y la computación pesados no siempre son necesarios.

FLINT superó al sistema de modelo fundacional WildOS desplegado en 23 de 24 registros de campo reproducidos y alcanzó un 99 % de autonomía de ruta en ensayos en bucle cerrado, lo que respalda la conclusión del artículo de que el sensado y la computación pesados no son necesarios para la estimación de transitabilidad.