ジオメトリの変化下におけるエッジレーダー材料分類

Abstract

材料認識は、特にカメラやLiDARが劣化する状況において、ロボットのナビゲーションと対話を改善できます。本稿では、超低消費電力のエッジデバイス（TI IWRL6432）向けに設計した軽量なmmWaveレーダー材料分類パイプラインを提案します。これは、コンパクトなレンジビン強度記述子と、リアルタイム推論のためのマルチレイヤパーセプトロン（MLP）を用います。分類器は、名目上の学習ジオメトリにおいてマクロ-F1を94.2\%まで達成しますが、センサ高さの変更や小さな傾き角などを含む、現実的なジオメトリの変動下では顕著な性能低下が観測されます。これらの摂動は、強度の系統的なスケーリングと、角度に依存するレーダー断面積（RCS）の影響を引き起こし、特徴量が分布外へ押し出されることで、マクロ-F1が約68.5\%まで低下します。これらの失敗モードを分析し、正規化、ジオメトリ拡張、運動を考慮した特徴量によって頑健性を高めるための実践的な方向性を示します。