arXiv · 机器人与计算机视觉· Abdelrahman Sayed Sayed, Pierre-Jean Meyer, Asgeir J. S{\o}rensen, Mohamed Ghazel·· 27 天前AI 评分27
基于可达性分析的自主水下航行器浮游生物分类器鲁棒性验证框架
Robustness Verification of an Autonomous Underwater Vehicle-based Plankton Classifier
AI 导读
针对动态非结构化环境中噪声导致 CNN 分类器误判问题,研究提出一种基于可达性分析的新型鲁棒性验证框架。该框架结合连续时间神经 ODE 模型与 SilCam 粒子成像仪高分辨率数据,经 IEEE OES AUV Symposium 2026 接收,能自动过滤模糊数据并提供形式化稳定性保证。此举显著提升了自主采样可靠性并减少了海洋生物学家的后期人工验证工作量。
来源:arXiv · 机器人与计算机视觉 · arxiv.org