小数据,大地图:样本稀缺时的地理空间ML模型训练
地理空间ML建模的核心瓶颈是昂贵的实地样本而非算力,解决小样本问题需通过多源特征工程提升单样本信息密度,并优先选用Random Forest等低方差模型控制过拟合风险。
入选理由:亚马逊雨林单个森林清查样地成本相当于一台ML训练计算机,实地标签稀缺是核心约束。
概念
光探测和测距技术,用于环境感知
已跟踪 3 条高相关材料
最近变化
2026-07-20 · 机器人马桶使用激光雷达、超声波传感器和悬崖检测技术
为什么值得关注
lidar 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Small Data, Big Maps: Training Geospatial ML Models When Samples Are Scarce
Towards Data Science · 8.2 分
地理空间ML建模的核心瓶颈是昂贵的实地样本而非算力,解决小样本问题需通过多源特征工程提升单样本信息密度,并优先选用Random Forest等低方差模型控制过拟合风险。
这是一个开源扫地机器人项目,用树莓派、3D 打印、2D LiDAR 和 ROS2 就能自己造。地图导航、Home Assistant 集成都是标配,不用连云也能用。项目拆成多个模块,社区可以各自认领开...
Geek(@geekbb) · 7 分
开源扫地机器人项目使用树莓派和ROS2实现本地化导航,支持Home Assistant集成,模块化设计降低开发门槛。
It uses the same technology found in advanced robot vacuums -- lidar, ultrasonic sensors, and cliff ...
Rowan Cheung(@rowancheung) · 6.5 分
中国公司推出自主机器人马桶,采用激光雷达等技术实现自主导航,但技术细节和工程实践描述不足。
已收录 3 条与 lidar 相关的内容,按评分排序。
地理空间ML建模的核心瓶颈是昂贵的实地样本而非算力,解决小样本问题需通过多源特征工程提升单样本信息密度,并优先选用Random Forest等低方差模型控制过拟合风险。
入选理由:亚马逊雨林单个森林清查样地成本相当于一台ML训练计算机,实地标签稀缺是核心约束。
开源扫地机器人项目使用树莓派和ROS2实现本地化导航,支持Home Assistant集成,模块化设计降低开发门槛。
入选理由:采用树莓派+2D LiDAR方案实现低成本SLAM导航
中国公司推出自主机器人马桶,采用激光雷达等技术实现自主导航,但技术细节和工程实践描述不足。
入选理由:机器人马桶使用激光雷达、超声波传感器和悬崖检测技术