视觉-声学融合姿态估计框架

可信度自适应融合

在严重退化的工业环境中，通过估计各模态置信度动态调节贡献，实现稳健的姿态推断。

Bo, Zhu · Geng, Tao · Shuo, Zhang · 崔健磊 · Gedong, Jiang · Xianhong, Zhang · 梅雪松

Reliability Engineering and System Safety 2027

具体参数

位姿估计准确率

{'zh': '92.9', 'en': '92.9'} %

推理延迟

{'zh': '39', 'en': '39'} ms

技术优势

会判断哪个传感器更可信

可信度感知自适应融合模块实时估计各模态置信度，动态调节其贡献，避免退化模态拖累整体推断。

边缘部署也跑得动

单次推理仅需39毫秒，在保证92.9%准确率的同时满足机器人实时控制对低延迟的要求。

传感器越差，优势越明显

在受控退化实验中，系统性能衰减比静态融合策略更平缓，表明其能有效对抗光照、遮挡和混响等恶劣条件。

应用场景

• 极端环境机器人：让机器人在弱光、强遮挡、高混响等极端环境下仍能可靠执行位姿估计，扩展自动化作业边界。
• 工业机器人：作为软件模块集成到机器人系统，在视觉或声学退化环境中提供准确、低延迟的位姿估计。
• 航空航天装配：用于航空航天装配中弱光与重遮挡场景下的零件位姿估计，提高装配机器人的感知鲁棒性。
• 特种无人机：为特种无人机在夜间或退化视觉环境中自主飞行提供可靠的位姿推断能力。
• 水下机器人：用于水下机器人对抗声学混响和视觉衰减，实现深海维护任务中的稳定位姿估计。