Mind the Hitch：自律トラックのためのダイナミック・キャリブレーションと関節化された知覚

要旨: 自律走行トラックには、連結トラクタ・トレーラの関節（アーティキュレーテッド）ジオメトリや、第5輪（フィフスホイール）関節とトレーラのたわみによって生じる時間変化するセンサ姿勢といった、固有の課題があります。既存の知覚およびキャリブレーション手法は、静的なベースラインを前提とするか、高い視差とテクスチャが豊富なシーンに依存しており、そのため実環境では信頼性が制限されます。私たちは、トラクタ車両とトレーラ車両のカメラ間における相対6自由度（6-DoF）の姿勢を連続的に推定する、視覚ベースの枠組みdCAP（dynamic Calibration and Articulated Perception）を提案します。dCAPは、空間的手掛かりを頑健に統合しつつ時間的整合性を維持するために、クロスビュー注意と時間的注意を備えたトランスフォーマを用います。これにより、急な関節運動や遮蔽下でも正確な知覚が可能になります。BEVFormerと統合することで、dCAPは静的なキャリブレーションを動的に予測された外部パラメータ（extrinsics）に置き換え、3D物体検出を改善します。評価を容易にするために、STT4ATを導入します。STT4ATはCARLAベースのベンチマークで、複数のセンサ群を同期させ、さまざまな環境にわたって車両間の幾何（inter-rig geometry）を時間変化させることで、セミトレーラトラックを模擬します。実験の結果、dCAPは自律走行トラックにおける静的キャリブレーションの制限に対処しつつ、安定した正確な知覚を実現することが示されます。データセット、開発キット、およびソースコードは公開予定です。