河道机器人资源受限靠航点不够，必须让机器真看懂水面边界和障碍物

Arduino UNO Q 如何在 14.8 MB 里塞进完整视觉避障

PAANI 论文 (arXiv:2609.22353v1) 面对的难题很具体：在 Arduino UNO Q 这颗几乎没冗余的单片机上，必须同时完成视觉感知和决策解释。它把整个任务拆解为两个阶段，分别放入已转换的 FP32 ONNX 模型中。

第一阶段是目标检测。论文使用项目自训练的 YOLO11n 检测器，专门处理水面环境中的障碍物识别。第二阶段则是语义分割，采用定制化的 MobileNetV3 Small 分割器，用于精确划定水面边界。两个模型转换后存储格式一致，总占用空间达到 14.817 MB。在这样的存储限制下，每一兆字节的模型参数都需要精心优化，以确保能够在有限的硬件资源中流畅运行。

精度与延迟的具体权衡

论文并没有回避实际测试数据。在 0.5 IoU 情况下，YOLO11n 检测器在测试集上的 mAP 达到 0.7388，而导出的矩形 ONNX 版本在验证集上的 mAP 为 0.7367。分割器在验证集上表现更为出色，mIoU 高达 0.9750，显示出其在水面边界识别方面的优秀性能。

然而运行效率才是关键指标。在 0.5 Hz 配置下，对 Arduino UNO Q 录制的 5 分钟测试中，流水线延迟中位数为 467.8 ms，95% 分位数达到 580.3 ms。这意味着在动态河道环境中，机器人看到的画面与实际物理世界之间存在近 600 毫秒的延迟。虽然作者通过时间戳对齐的证据融合技术试图缓解这一问题，但在高速移动场景下，这种延迟依然可能导致危险的判断错误。

可解释性决策背后的逻辑

PAANI 的创新之处不仅在于其视觉处理能力，更在于其决策过程的透明性。传统机器人系统在检测到障碍物后，往往只输出简单的指令如“左转”或“停止”，缺乏决策依据的解释。PAANI 则采用“显式走廊策略”，将表面标签、检测到的物体、紧急程度以及分割掩码的不确定性有机结合，形成更为全面的决策框架。

每个最终的建议都伴随着详细的“证据”和“政策理由”。例如，当系统建议“左转”时，它会同时解释原因：因为检测到了特定的障碍物，并且当前分割掩码的置信度较高。这种设计极大地方便了后续的调试工作，使得开发者能够快速判断是模型识别出现错误，还是决策逻辑存在缺陷。

工程实践中的挑战与局限

论文坦言面临多个工程挑战。在图像输入全黑的情况下，模型可能会产生误分类，这在光照剧烈变化或传感器故障时尤为危险。此外，采样率不匹配的问题也会影响诊断过程中“表观运动估计器”的性能，导致无法收集到足够的有效信息。

作者也明确指出，目前的测试仅证明了模型的精度和板载执行能力，并不代表该方案已经在真实水域环境中经过安全验证。尽管如此，这套方法通过 ROS 2 接口与 Gazebo 仿真平台相结合，为未来的实验提供了坚实的基础。

训练数据与仿真验证

PAANI 的训练过程使用了大量标注数据。其中，10,000 张 WaterScenes 图像用于四分类检测任务训练，1,127 张 MaSTr1325 图像用于分割任务训练，其中包括 198 张分割验证图像。这些数据的多样性和丰富性直接决定了模型在复杂水环境下的表现效果。

同时，ROS 2 接口将本地 AI 管道连接到了独立的 Gazebo 船舶仿真平台，实现了载具定位与控制的综合测试。这一架构使得开发者可以在虚拟环境中模拟各种复杂情况，验证算法的鲁棒性和可靠性，为后续的实物测试打下坚实基础。

对于那些希望在低性能 MCU 上实现视觉避障功能的开发者来说，PAANI 所展示的“检测+分割+可解释策略”的组合思路，无疑提供了一个更为可行且实用的解决方案。