日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
ナビゲーションarXiv:2610.18093

LynxScenes: 屋外車輪脚ロボットの知覚・ナビゲーション・想像・再構成のための大規模実世界ベンチマーク

LynxScenes: A Large-Scale Real-World Benchmark for Outdoor Wheel-Legged Robot Perception, Navigation, Imagination and Reconstruction

シェア:XThreadsFacebookLINEはてブBluesky

車輪脚ロボットLYNX M20で収集した約10万クリップ・3百万フレームの大規模実世界データセットを構築し、軌道予測・BEV知覚・未来予測・3D再構成の4タスクを評価するベンチマークを提供した。

詳しい要約

1. どんなもの？

- LYNX M20 wheel-legged robotで収集した大規模実世界データセットとベンチマーク - 約100Kの30秒ナビゲーションクリップ、833.6時間、3,294.7km、3.0M注釈フレーム - 4つのfisheye cameras、dual LiDARs、IMU、odometry、robot statesを同期記録 - 注釈: 27カテゴリの20.82M oriented 3D boxes、13.89M road-structure注釈、3層20ナビゲーション指示と連続未来軌跡 - 4タスク: instruction-conditioned trajectory prediction、BEV-based perception、future scene prediction、multi-view scene reconstruction

2. 先行研究と比べてどこがすごい？

- 既存データセットは各能力を個別に支援し、実wheel-legged platformでの密な空間・行動レベル監督が少ない - LynxScenesは実機で収集し、知覚・ナビゲーション・未来推論・再構成を統合的に支援 - 大規模で多様な注釈を提供し、密な空間・行動監督を実現 - 軌跡予測に対しlog-replay-based pseudo-closed-loop evaluatorを導入し、安全性・進捗・指示遵守を評価

3. 技術・手法の肝は？

- LYNX M20 wheel-legged robotで実世界データを収集 - 4 fisheye cameras、dual LiDARs、IMU、odometry、robot statesを同期 - 27カテゴリのoriented 3D boxes、road-structure注釈、3層ナビゲーション指示と連続未来軌跡を注釈 - 4タスクを設定: instruction-conditioned trajectory prediction、BEV-based perception、future scene prediction、multi-view scene reconstruction - 軌跡予測評価にlog-replay-based pseudo-closed-loop evaluatorを導入

4. どうやって有効だと検証した？

- 代表的なナビゲーション、知覚、world-model、再構成手法を広範に評価 - 近距離屋外ロボットナビゲーションに大きな課題が残ることを示す - 軌跡予測ではlog-replay-based pseudo-closed-loop evaluatorで安全性、進捗、指示遵守を測定 - データセットと評価ツールキットは公開予定

5. 議論はある？

- 近距離屋外ロボットナビゲーションに実質的な課題が残る - 既存データセットの限界を克服し、統合ベンチマークを提供 - 評価結果から今後の研究方向性を示唆 - 具体的な議論の詳細は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない - 同分野の定番として、BEV perception、trajectory prediction、world model、scene reconstructionの関連手法を挙げる - 具体的な論文名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jun Tian, Hao Wu, Ruo Chen, Yili Liao, Hongyi Lin, Jincheng Yu, Chao Li, Yingjie Niu

分類: cs.RO

原文アブストラクト

Wheel-legged robots operating in outdoor spaces shared with humans require accurate perception, socially compliant navigation, future-scene reasoning, and scene reconstruction. However, existing datasets typically support these capabilities in isolation and rarely provide dense spatial and behavior-level supervision on real wheel-legged platforms. We introduce LynxScenes, a large-scale real-world dataset and benchmark collected with a LYNX M20 wheel-legged robot. It contains approximately 100K 30-s navigation clips spanning 833.6 h and 3,294.7 km, with 3.0M annotated frames. The synchronized recordings include four fisheye cameras, dual LiDARs, IMU, odometry, and robot states. Annotations comprise 20.82M oriented 3D boxes across 27 categories, 13.89M road-structure annotations, and 20 navigation instructions organized into three layers and aligned with continuous future trajectories. LynxScenes supports four complementary tasks: instruction-conditioned trajectory prediction, BEV-based perception of 3D objects and road structures, future scene prediction, and multi-view scene reconstruction. For trajectory prediction, we further introduce a log-replay-based pseudo-closed-loop evaluator that measures safety, progress, and instruction compliance beyond trajectory imitation. Extensive evaluations across representative navigation, perception, world-model, and reconstruction methods reveal substantial remaining challenges in close-range outdoor robot navigation. The dataset and evaluation toolkit are planned for public release.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI