Il nostro articolo "Mario Kart in the Wild autonomo" è appena uscito! Scritto in collaborazione con ricercatori di Deepmind, del mondo accademico e del nostro team principale, ecco alcune lezioni dagli approcci dei team di ricerca @SeoulNatlUni, @NUSingapore e @UTAustin Filettatura A - 1/n 🧵

Riepilogo veloce: l'Earth Rover Challenge (ERC) è una competizione open-world "in natura" in cui i team di ricerca costruiscono modelli di navigazione autonoma per controllare robot da marciapiede, mentre affrontano giocatori umani in missioni di navigazione nel mondo reale.

Mentre il 1° ERC si è svolto ad Abu Dhabi durante #IROS2024, le missioni effettive sono state condotte in 8 città in tutto il mondo, da Kisumu a Singapore.

Il team vincente di IA della @SeoulNatlUni ha implementato un approccio a 3 moduli, utilizzando la Generazione della Mappa dei Costi, la Localizzazione e il Pianificatore delle Azioni.

Il team di @NUSingapore ha costruito un sistema con navigazione monoculare tramite stima della traversabilità con modelli pre-addestrati accoppiati alla selezione di traiettorie kinedinamicamente fattibili nello spazio delle immagini, senza ricostruzione esplicita della geometria 3D.

Il team di @UTAustin ha sviluppato un approccio modulare ibrido, composto da evitamento degli ostacoli, allineamento delle preferenze del terreno, localizzazione globale, pianificazione del percorso e infine un controllore di movimento Ackermann.

Congratulazioni a tutti i ricercatori e ai nostri co-autori di: George Mason U: @XuesuXiao Deepmind: @shahdhruv_ @xiao_ted @Stacormed @tingnan1986 @drzhuoxu Jie Tan FrodoBots: @micoolcho Niresh Dravin Santiago Pravisani NUS: David Hsu Meta AI: @joannetruong Georgia Tech: @naokiyokoyama0 Robotics Soc (UAE): Mohammad Alshamsi

Documento completo qui:

Speriamo di continuare a contribuire alla Earth Rover Challenge e di stimolare ulteriori sforzi di ricerca basati su tali valutazioni "in the wild"! Presto ci saranno altre informazioni sulle novità di Earth Rover Challenge!