PseudoMapLabeler: Generazione di Pseudo-Etichette Consapevole dell'Affidabilità per la Mappatura Online Semi-Supervisionata

Un recente preprint su arXiv (2608.12600) presenta PseudoMapLabeler, un framework di apprendimento semi-supervisionato che impiega un modello insegnante-studente per affrontare la sfida della scarsità di dati di addestramento etichettati nello sviluppo di mappe HD online. Inizialmente, un modello insegnante viene addestrato utilizzando un piccolo dataset con etichette, e poi mappe di affidabilità basate sulla distribuzione Beta valutano l'affidabilità dei componenti della mappa previsti nel tempo. Piuttosto che scartare tutti gli elementi inaffidabili, viene utilizzato un metodo di ritaglio spaziale per mantenere le aree ad alta affidabilità eliminando le parti meno affidabili. Questi componenti della mappa migliorati vengono poi utilizzati come priori per perfezionare le previsioni del modello insegnante sui dati non etichettati in una fase successiva, con l'obiettivo finale di migliorare la generalizzazione in vari scenari del mondo reale. L'articolo è accessibile su arXiv con l'identificatore 2608.12600.