arXiv cs.RO 机器人学· Koki Shoda, Jun Younes Louhi Kasahara, Aoba Koyanagi, Qi An, Atsushi Yamashita·· 5 小时前精选AI 评分53
面向腿式机器人听觉的开集自噪声分离框架：免标注适配与预训练模型迁移
Open-Set Ego-Noise Separation for Legged-Robot Audition via Annotation-Free Adaptation and Pretrained-Model Transfer
AI 导读
论文提出一种面向腿式机器人听觉的开集自噪声分离框架，通过免标注适配与预训练模型迁移，在去除机器人自噪声的同时保留类别未预先指定的环境声音。框架先用 RecurGraph 从无标注录音中选出自噪声主导片段，将其与大规模声音事件数据集中的环境声混合以构造开集分离的配对监督，再用 Transfer-DiT 适配通用零样本神经分离器。
推荐理由
论文说明了如何在没有单独录制的自噪声数据和人工标注下完成适配，对受限数据条件下的机器人听觉研究有参考价值。
来源：arXiv cs.RO 机器人学 · arxiv.org