4DRaL：知識蒸留を用いた位置認識のための4DレーダーとLiDARの橋渡し

Abstract

位置認識は、ロボティクスにおけるループ閉じ検出およびグローバル自己位置推定にとって重要です。主流のアルゴリズムは通常、カメラやLiDARに依存しますが、これらのセンサは悪天候の影響を受けやすいという問題があります。幸いなことに、近年開発された4Dミリ波レーダ（4Dレーダ）が、全天候型の位置認識に対して有望な解決策を提供します。しかし、4Dレーダデータに内在するノイズや疎性が、その性能を大きく制限しています。そこで本論文では、4Dレーダの位置認識性能を高めるために、知識蒸留（KD）を活用する新しい枠組み「4DRaL」を提案します。その中核は、高性能なLiDAR-to-LiDAR（L2L）位置認識モデルを教師として採用し、4Dレーダ-to-4Dレーダ（R2R）位置認識モデルの学習を導くことです。4DRaLは、3つの主要なKDモジュールで構成されます。すなわち、入力の生の4Dレーダ点群における疎性を扱うためのローカル画像強調モジュール、学生モデルがより弁別的な特徴を生成することを保証する特徴分布蒸留モジュール、そして教師モデルと学生モデルの間で特徴空間の整合性を維持するための応答蒸留モジュールです。さらに重要な点として、4DRaLは、異なるモジュール構成によって、4Dレーダ-to-LiDAR（R2L）位置認識にも対応して訓練できます。実験結果により、4DRaLは、通常の天候でも悪天候でも、R2RおよびR2Lの両タスクにおいて最先端の性能を達成することが示されます。