Studien

Erfahrungsgetriebenes Continual Learning für Terrain-Traversabilität bei Quadruped-Robotern mit Validierungs-Gate

Das Preprint stellt eine Pipeline vor, die für einen Unitree Go2 aus Bildern vor dem Kontakt mit einem eingefrorenen DINOv3-Backbone fünf propriozeptive Interaktionsindikatoren vorhersagt und deren Unsicherheit über eine evidentiale Regression schätzt. In einem sequenziellen Hardware-Versuch über drei unbekannte Untergründe senkt das Validierungs-Gate die finale Anchor-NLL-Verschlechterung um 23,1 Prozent gegenüber Replay ohne Gate bei ähnlicher Anpassung an neue Terrains. Damit wird ein Weg gezeigt, kontinuierliches Lernen aus Robotererfahrung mit kontrollierter Beibehaltung früherer Terrain-Modelle zu verbinden.