我们的“荒野中的自主马里奥赛车”论文刚刚发布！ 由来自 Deepmind 的研究人员、学术界和我们的核心团队共同撰写，以下是研究团队@SeoulNatlUni、@NUSingapore 和 @UTAustin 的一些经验教训 螺纹 - 1/n 🧵

快速回顾：地球探测者挑战赛（ERC）是一项开放世界的“野外”比赛，研究团队构建了自主导航模型来控制人行道机器人，同时与人类玩家在现实世界的导航任务中竞争。

虽然第一次ERC在阿布扎比的#IROS2024举行，但实际的任务是在全球8个城市进行的，从基苏木到新加坡。

来自@SeoulNatlUni的获胜AI团队采用了三模块方法，使用成本图生成、定位和行动规划。

来自@NUSingapore的团队构建了一个系统，通过可 traversability 估计进行单目导航，结合预训练模型和在图像空间中选择运动动力学可行的轨迹，而无需显式的 3D 几何重建。

来自@UTAustin的团队构建了一种混合模块化方法，包括障碍物避免、地形偏好对齐、全球定位、路径规划以及最终的Ackermann运动控制器。

祝贺所有研究人员和我们的合著者： 乔治梅森大学：@XuesuXiao Deepmind：@shahdhruv_ @xiao_ted @Stacormed @tingnan1986 @drzhuoxu Jie Tan FrodoBots：@micoolcho Niresh Dravin Santiago Pravisani 新加坡国立大学：David Hsu Meta AI：@joannetruong 乔治亚理工学院：@naokiyokoyama0 机器人协会（阿联酋）：Mohammad Alshamsi

完整论文在这里：

我们希望继续为地球漫游车挑战赛做出贡献，并激发更多基于这种“野外”评估的研究工作！ 更多关于地球漫游者挑战赛下一步的细节即将推出！