Vår "Autonomous Mario Kart in the Wild"-artikkel falt nettopp! Medforfattere av forskere fra Deepmind, akademia og vårt kjerneteam, her er noen lærdommer fra tilnærminger fra forskerteam @SeoulNatlUni, @NUSingapore og @UTAustin En tråd - 1/n 🧵

Rask oppsummering: Earth Rover Challenge (ERC) er en åpen verden «i naturen»-konkurranse der forskerteam bygde autonome navigasjonsmodeller for å kontrollere fortausroboter, mens de tok på seg menneskelige spillere på virkelige navigasjonsoppdrag.

Mens 1st ERC skjedde i Abu Dhabi i #IROS2024, ble de faktiske oppdragene utført i 8 byer rundt om i verden, fra Kisumu til Singapore.

Det vinnende AI-teamet fra @SeoulNatlUni implementerte en 3-moduls tilnærming ved hjelp av Costmap Generation, Localization og Action Planner.

Teamet fra @NUSingapore bygget et system med monokulær navigasjon via transverseringsestimering med forhåndstrente modeller kombinert med valg av kinodynamisk gjennomførbare baner i bilderommet, uten eksplisitt 3D-geometrirekonstruksjon.

Teamet fra @UTAustin bygde en hybrid modulær tilnærming, bestående av unngåelse av hindringer, terrengpreferansejustering, global LOC, baneplanlegging og til slutt Ackermann bevegelseskontroller.

Gratulerer til alle forskere og våre medforfattere fra: 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 Robotikk Soc (UAE): Mohammad Alshamsi

Hele artikkelen her:

Vi håper å fortsette å bidra til Earth Rover Challenge og anspore til mer forskningsinnsats basert på slike "in the wild"-evalueringer! Flere detaljer kommer snart om hva som er det neste for Earth Rover Challenge!