低コスト・高効率：マトリョーシカ表現学習によるブドウ畑におけるLiDARプレイス認識

Abstract

農業環境におけるローカライゼーションは、その非構造的な性質と明確なランドマークの欠如により困難である。農業環境は物体の分類やセグメンテーションの文脈で研究されてきたものの、モバイルロボットのための場所認識タスクは、現在の最先端の状況においては自明ではない。本研究では、前処理と Matryoshka Representation Learning のマルチロスアプローチにより、ブドウ畑環境において最先端手法を上回る軽量な深層学習ベースの手法である MinkUNeXt-VINE を提案する。提案手法は、低コストで疎な LiDAR 入力と低次元の出力を用いて、リアルタイム環境での高い効率を確保しながら性能の向上を優先する。さらに、さまざまな評価ケースにおける結果に関する包括的なアブレーション研究と、異なる LiDAR センサーを用いた 2 つの大規模な長期ブドウ畑データセットを提示する。結果は、本アプローチが生成する出力と引き換えのトレードオフが効率的であること、ならびに低コストで低解像度の入力データに対して頑健な性能を示すことを明らかにしている。再現のためのコードは公開されている。