Approach to Robust Visual Relocalization for Humanoid Robots via Mixture-of-Experts with Hierarchical Distillation
本文提出了一种用于类人机器人的鲁棒视觉重定位框架，该框架通过将混合专家架构（Mixture-of-Experts）与层次化知识蒸馏相结合，旨在应对视角剧烈变化和自遮挡等挑战性条件，从而实现精确、稳定且高效的 6 自由度位姿估计。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个模仿人类平衡与动作，用双腿行走的机器人。为了让这种机器能够在现实世界中穿行，它必须不断了解自己的位置和姿态，这项任务被称为视觉重定位。它依靠摄像头观察世界，识别熟悉的形状和纹理，并计算自己在空间中的位置。然而，这个过程非常脆弱。当机器人快速转头、当有人走到镜头前，或者当光线从明亮的阳光转为深邃的阴影时，机器人很容易迷失方向。传统的方法往往难以在极端准确性与速度之间取得平衡，尤其是在一台计算能力有限、无法携带沉重且缓慢处理器的机器人上。
云南师范大学的研究人员开发了一种新方法来解决这个问题，创造了一个系统，使类人机器人即使在混乱的环境中也能可靠地找到路径。他们的研究成果发表在最近的一项研究中，重点在于教机器人的“大脑”变得既聪明又高效。他们通过结合两个先进的概念实现了这一目标：一种让机器人能够针对不同场景选择不同思维策略的方法，以及一种将复杂强大的模型压缩成更小、更快版本而不损失其清晰思考能力的技术。结果是一个名为 KUAVO-4pro 的机器人系统，它能以厘米级的精度在室内走廊和室外空间中导航，即使在周围环境快速变化时也能保持平衡和方向。
研究人员解决的核心挑战是，单一、僵化的规则无法应对现实世界的多样性。一个拥有光滑、重复墙壁的走廊看起来与一个拥有许多角落和物体的杂乱办公室截然不同。旧系统通常试图使用一个巨大的模型来处理所有情况，这使得它们在场景变化时反应迟缓且容易出错。新框架引入了一个名为“专家混合”（mixture of experts）的概念。该系统不再依赖一个巨大的大脑，而是使用一组专门的子网络，即“专家”。当机器人观察一个场景时，一个小型的决策门控会自动选择最适合当前视角的专家。如果机器人看到一个纹理丰富的角落，它可能会激活一个擅长识别细节的专家；如果它看到一面长而空的墙，它可能会切换到更擅长理解直线线条的专家。这使得机器人能够实时调整其思维，使用正确的工具完成工作，而无需同时处理所有的可能性。
为了使该系统在电池和计算能力有限的机器人上具有实用性，研究人员面临第二个障碍：最强大的“专家混合”系统体积太大，无法直接在机器人上运行。为了解决这个问题，他们采用了名为“分层蒸馏”（hierarchical distillation）的技术。在这个过程中，他们首先训练了一个能够完美处理所有困难场景的大型、复杂的“教师”模型。然后，他们训练了一个较小的“学生”模型来模仿这位教师。然而，他们不仅仅要求学生复制最终答案，而是教会了学生模仿教师的内部思维过程。学生学习了教师如何决定使用哪个专家，如何解释图像中的形状，以及如何连接点与线以理解房间的3D结构。通过对齐这些内部步骤，这个小型的学生模型继承了教师的鲁棒性和智能，使其在保持足够精度的同时，也足够轻量化以实现快速运行。
研究人员通过各种具有挑战性的场景测试了他们的系统。他们在包含弱纹理、剧烈光照变化和移动物体的公开数据集上进行了模拟实验。在这些测试中，该系统表现持续优于以往的方法，即使在视野被部分遮挡或光照发生剧烈变化时，也能保持高精度。团队还使用身高约1.66米的 KUAVO-4pro 类人机器人进行了实地实验。他们引导机器人穿过室内环境和长走廊——这些区域因其重复的模式和缺乏显著特征而被称为令机器人困惑的区域。机器人成功地通过了这些空间，其估计路径与真实路径保持得非常接近。在室内测试中，平均误差约为2.1厘米，即使在困难的走廊中，误差也保持在可控范围内，从未失控。
该研究的一个关键发现是系统处理不同类型环境过渡的能力。当机器人从明亮开阔的区域移动到昏暗的角落，或者当一个人走过摄像头的正前方时，系统并没有惊慌或迷失方向。模型中的专门专家会平滑地激活和停用，确保机器人对周围环境的理解保持稳定。这个较小的学生模型在参数量上比原始教师模型减少了约70%，但其表现几乎与大型版本不相上下。这证明了蒸馏过程成功地将大型模型的复杂几何推理能力转移到了一个紧凑的封装之中。机器人大约能在33毫秒内计算出位置，这个速度足以跟上行走类人机器人的快速动作。
这种方法的成功为需要在动态、非结构化人类环境中运行的自主机器人提供了一条可行的路径。通过将选择不同专家的灵活性与蒸馏学生模型的效率相结合，研究人员创造了一个不必在准确性与速度之间做权衡的系统。现在，机器人可以应对现实世界的不可预测性，从突如其来的阴影到移动的人群，而无需背负超级计算机。虽然研究人员指出，未来的工作可能涉及加入来自陀螺仪等其他传感器的数据以进一步提高稳定性，但目前这项工作表明，机器人可以既轻量又高度可靠。它代表了迈向让机器能够以人类般的信心和适应力在我们的世界中穿行的重要一步，即使在视野受阻或路径不明时也能找到方向。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。