教机器人说'我不知道'：用于不确定性感知SLAM的SENTINEL框架

Abhishek S, Badrikanath Praharaj, Sreeram MV

摘要

本文提出SENTINEL框架，通过几何扫描统计与跨模态深度一致性为低成本2D LiDAR提供可靠性评分，在评分低于阈值时拒绝损坏扫描并回退到轮式里程计。实验在包含透明和反射障碍物的环境中验证了该方法能有效区分清洁与故障情况。

uncertainty-awareSLAMLiDARreliability estimationcross-modal depth consistency

PERCEPTION

开放获取📊 4 引用

Ji-Hoon Hwang, Daeyoung Kim, Hyung-Suk Yoon 等 5 位作者

2026

PERCEPTION

📊 0 引用

Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者

Robotics and Computer-Integrated Manufacturing · 2026

PERCEPTION

📊 0 引用

Sili Ding, Feng Xu, Jie Chen 等 6 位作者

Progress in Materials Science · 2026