Ir al contenido
Fuente revisada

MicroDuck SLAM: datos y límites de la odometría

Lee los informes oficiales del 23 de octubre y el conjunto de datos fijado por commit. Distingue cobertura, precisión y versiones estables.

MicroDuck combina la odometría de las piernas con un sensor ToF de 8×8 para mapeo a bordo. Los informes de ingeniería del 23 de octubre y las grabaciones públicas de la verdad sobre el terreno explican cómo evaluarlo. Los resultados de esta investigación no establecen una nueva versión estable del demonio ni compatibilidad con una réplica personal.

¿Qué hay de nuevo y qué versión describe?

Pollen Robotics publicó notas de ingeniería de odometría y SLAM el 23 de octubre de 2026. Su autor es Antoine Pirrone. El conjunto de datos de repetición se produjo el 14 de octubre; Está recién conectado aquí, no grabado recientemente hoy. El demonio estable oficial permanece 0.17.8. El conjunto de datos nombra la línea base de reproducción maploc-v2 separada 34b106c; No trate el blog como un comando de actualización.

El movimiento relativo y un mapa de la habitación responden a diferentes preguntas

Odometría de contacto combina la geometría de la articulación de la pierna con la orientación IMU. Estima el movimiento en relación con el arranque, por lo que un robot transportado puede perder su posición en la habitación. El mapeador agrega observaciones ToF de corto alcance y coincidencias en las paradas; su cámara no es la entrada de mapeo. La cámara externa y las etiquetas de piso pertenecen al equipo de evaluación. Esta distinción es importante a la hora de seleccionar una grabación o diagnosticar un rastro de deriva.

El informe de odometría mide 20 tramos de caminata, 47,5 m en total: mediana del error de punto final 5,7 cm, peor 11,8 cm. Su porcentaje medio por tramo es 2,9%, mientras que el error total dividido por la distancia total es 2,4%. Ninguno de estos números es una garantía de precisión absoluta en la habitación. Estos números de odometría provienen de una evaluación separada del blog, no de un nuevo cálculo de las métricas de reproducción almacenadas a continuación.

Precisión de lectura junto con la cobertura.

La tarjeta de conjunto de datos fijo y sus métricas s2 originales / s3 describen un robot alfa, la política velstand, conducido con una almohadilla en una sala de estar.

Línea de base reportadas2s3
Duración de la grabación4 min 13 s7 min 31 s
Error de parada, mediana/peor2,7/6,6 cm4,8 / 15,0 cm
Seguimiento del tiempo60%63%
Dentro de 15 cm durante el seguimiento99%94%

La última fila está condicionada al tiempo de seguimiento. No significa el 99% o el 94% de toda la grabación. El informe SLAM también describe fallas en una habitación desconocida y períodos perdidos más prolongados sin paradas; La exploración autónoma de varias habitaciones sigue siendo un trabajo futuro.

Iniciar una revisión de repetición sin un robot

  1. Abra el árbol del conjunto de datos anclado. Mantenga rig.toml, room/, la sesión elegida, sus film/track.csv y ground_truth/clock.json juntos. El estado/ToF, la cámara y la verdad externa utilizan diferentes campos de marca de tiempo; El ajuste del reloj suministrado los conecta.
  2. Lea sessions/s2/baselines/maploc/report/report.md antes de comparar una repetición personalizada. Las coordenadas son metros, el mundo z está hacia arriba y los cuaterniones son [w,x,y,z].
  3. Haga coincidir fuente de reproducción 34b106c y la instantánea code/maploc_truth incluida. El conjunto de datos documenta estos dos comandos desde sus respectivos directorios de proyectos; ajuste solo la ruta del conjunto de datos. Son comandos de referencia, no una ejecución realizada por este sitio.
# From the fixed microduck checkout; replace this absolute path
SLAM_DATA="/absolute/path/SLAM_JJ_Salon_with_GT"
cargo run -p maploc --release --example replay -- "$SLAM_DATA/sessions/s3/session/20261014-172242-graphite-bang" --export "$SLAM_DATA/run.json" --grids
# Then enter the bundled toolkit and complete its documented setup
cd "$SLAM_DATA/code/maploc_truth"
uv run mtruth --rig "$SLAM_DATA/rig.toml" evaluate "$SLAM_DATA/sessions/s3/session/20261014-172242-graphite-bang" --track "$SLAM_DATA/sessions/s3/film/track.csv" --room "$SLAM_DATA/room" --replay "$SLAM_DATA/run.json" --out "$SLAM_DATA/report"

Mantenga los eventos de pérdida/recuperación junto a las puntuaciones de posición y mapa. Este sitio lee los archivos de tarjetas fijas, códigos y pequeñas métricas; no descargó las grabaciones completas, no compiló la repetición, no reprodujo partituras ni probó el hardware. El conjunto de datos está marcado como Apache-2.0. Una compilación HD1910 personal necesita sus propias transformaciones de sensor y contrato de tiempo de ejecución: consulte las notas de la fuente de réplica de y pasos de compatibilidad de bricolaje.

FUENTES Y REVISIÓN

Verificación de fuente: . El alcance de la verificación se establece en la guía; La revisión de la fuente por sí sola no es una prueba de hardware.

Dónde ir a continuación.

Primeros pasos / Entrada, movimiento y restablecimiento del escritorio verificados el 8 de septiembre; referencia de funcionario público carga y descarga revisada el 12 de octubre; fuente de otros comportamientos revisada

Simulador MicroDuck: caminar y cargar movimientos

Prueba Waddle In, carga un movimiento público y restaura la selección oficial sin instalar un entorno de entrenamiento.

CONTINUAR LA CONVERSACIÓN

¿Qué te gustaría entender a continuación?

Mantenga juntos la fuente, su entorno y sus observaciones.

Fuentes y fecha de revisión

Fuentes comprobadas el 24 de octubre de 2026 · Fuente revisada

  1. Fuente original 1 · pollen-robotics.com / microduck-odometry ↗
  2. Fuente original 2 · pollen-robotics.com / microduck-slam ↗
  3. Fuente original 3 · github.com / lib.rs ↗
  4. Fuente original 4 · huggingface.co / e09e9f5e48db40baf059c157a12d804c033b6509 ↗
  5. Fuente original 5 · huggingface.co / README.md ↗
  6. Fuente original 6 · huggingface.co / metrics.json ↗
  7. Fuente original 7 · huggingface.co / metrics.json ↗
  8. Fuente original 8 · github.com / replay.rs ↗