RingNav: Aufgabenspezifischer zirkulärer Speicher für die visuelle Kursbestimmung

Was passiert ist

arXiv:2610.19044v1 Announce Type: new Abstract: Winzige Roboter verfügen nur über begrenzte Rechenleistung und Speicher, dennoch halten visuelle Navigationssysteme oft mehr Zustand vor, als die Aufgabe erfordert. RingNav läuft mit $27.3$ Hz auf einem Raspberry Pi Zero 2W und kann auf dem extrem stromsparenden Prozessor GAP8 mit $33.4$ Hz eingesetzt werden.

RingNav lernt nur die Drehung zwischen aufeinanderfolgenden Bildern, während die Kursrichtung direkt auf dem Kreis zusammengesetzt wird. Im TartanAir Visual SLAM Challenge senkt RingNav den mittleren absoluten Drehfehler um \(27\%\) und den akkumulierten Kursfehler über $4$ Sek. um \(15\%\) im Vergleich zu einem ähnlich großen Modell mit gelerntem Speicher.

Die strukturierte Aktualisierung ergibt für identische Frames exakt eine Drehung von null und bei umgekehrter Sequenz eine exakte Aufhebung. Ohne Feinabstimmung (das weitere Training eines bestehenden Modells für eine enger gefasste Aufgabe) lässt sich RingNav auf reale Drohnenexperimente übertragen und schätzt den Kurs weiterhin auch unter starker visueller Beeinträchtigung.