CVPR2025｜Tartan IMU：机器人惯性定位领域的轻量级基础模型深度解析

一、研究背景与动机

惯性测量单元（IMU）作为机器人系统的核心组件，通过测量线性加速度和角速度实现运动跟踪，在自动驾驶车辆、无人机、腿式机器人等平台中不可或缺。与视觉或激光里程计相比，IMU在低光照、烟雾等极端环境中更鲁棒，但传统惯性里程计（IO）依赖二次积分计算位姿，易受传感器偏差、温度波动影响，误差会快速累积，几秒内即可产生显著漂移。

现有学习式IO方法虽有进展（如TLIO用于行人、IMO用于无人机），但存在两大瓶颈：

• 泛化性不足：模型多针对单一平台或运动模式训练，面对新设备或未知运动时性能骤降；

• 适应性匮乏：难以快速适配新平台，且大规模参数微调易导致“灾难性遗忘”（忘记已有知识）。

为此，来自卡耐基梅隆大学的研究团队提出Tartan IMU——首个面向惯性定位的轻量级基础模型，通过“预训练-微调-在线适应”三阶段框架，实现跨平台通用化定位。

项目地址：https://superodometry.com/tartanimu

论文链接：（见文末^[1]）

二、核心方法：三阶段框架设计

Tartan IMU的核心是通过三级递进式学习，从通用知识到场景适配，实现全流程鲁棒定位。

2.1 阶段一：预训练IMU基础模型——学习跨平台通用运动知识

预训练的目标是让模型从海量多源数据中提炼普适性运动规律，核心设计包括四部分：

• 数据对齐与增强 不同设备的IMU存在坐标系与采样率差异，论文通过统一坐标系（X前、Y左、Z上）和采样率（200Hz）消除硬件差异；同时引入“旋转等变性”增强——若IMU坐标轴旋转，预测轨迹需同步变换，提升模型对不同安装姿态的适应性。

• 异构共享Backbone 采用“ResNet+LSTM”架构：ResNet提取IMU数据的空间特征，LSTM捕捉运动的时间动态性，将不同平台（汽车、无人机、腿式机器人、人类）的IMU数据映射到统一高维空间。t-SNE可视化显示，该空间中不同平台的运动数据形成清晰聚类（如车辆为红色、无人机为绿色），证明模型既能统一表征又能区分差异。

• 多头输出设计 在共享Backbone后，针对不同平台设计专用回归头（如汽车头、无人机头），分别预测速度与协方差。这种“共享特征+专用输出”的模式，既能并行学习多样化运动模式，又避免了不同平台运动特性的冲突（如无人机悬停与汽车转弯的差异）。

• 损失函数优化 采用“相对运动损失”与“协方差损失”结合的方案：1. 相对运动损失在IMU体坐标系中计算速度误差（而非全局坐标系），避免模型记忆固定轨迹； 2. 协方差损失通过估计不确定性，提升预测的可靠性。

2.2 阶段二：LoRA微调——高效适配未见过的平台与场景

预训练模型虽具备通用性，但面对全新平台仍需适配。论文引入低秩适应（LoRA）技术，仅微调少量参数即可实现快速适配：

• 原理：将预训练权重矩阵  的更新量  分解为低秩矩阵  与 （其中 ），训练时仅更新A和B，冻结原始权重。

• 优势：仅需1.1M可训练参数（远少于全量微调），既能保留预训练知识，又能快速学习新平台特性，同时避免灾难性遗忘。

2.3 阶段三：在线适应——实时学习与动态优化

实际部署中，环境与运动模式可能持续变化（如车辆从平地到越野）。论文提出“在线适应”机制，打破训练与测试的边界，实现“边运行边学习”：

• 动态训练缓冲区：采用高斯混合模型（GMM）对IMU数据聚类（如静止、直行、左转、右转），动态筛选多样化样本存入缓冲区，确保数据均衡且不重复，减少计算负担。
• SLAM协同学习：将SLAM系统作为“教师”，提供相对位姿作为监督信号，IMU模型作为“学生”持续优化，在200 FPS的实时速率下实现性能提升。

上图展示了由高斯混合模型（GMMs）分类的运动模式分布。带有叠加高斯拟合的直方图显示了基于线速度和角速度的聚类。GMM 识别出的运动类型包括：红线表示的右转（具有负的线速度）、蓝线表示的左转（具有正的线速度 ）、Y 方向线速度、绿线表示的速度接近零的静止状态，以及紫线表示的具有正线速度的前进运动。

三、实验验证：核心能力的量化与定性分析

论文基于100小时多平台IMU数据（涵盖轮式机器人、无人机、腿式机器人等），通过四类实验验证模型性能。

3.1 跨平台泛化性：超越专用模型

上图为TartanIMU 与其他专用 IMU 模型的定性分析，轮式机器人（第一行）、人类手持设备（第二行）、四足机器人（第三行）和无人机（第四行）系统，TartanIMU 都优于不同的专用 IMU 模型。

在轮式机器人、人类手持设备、腿式机器人（狗）、无人机四类平台上，Tartan IMU的绝对轨迹误差（ATE）平均降低35.5%，时间相对轨迹误差（T-RTE）平均降低41.0%：

• 腿式机器人场景中，ATE从3.23m降至1.46m，提升54.8%；
• 人类手持设备场景中，T-RTE从4.82m降至1.95m，提升60.0%。

对比“单一平台训练”与“全平台训练”的结果，后者在所有场景中均表现更优，平均ATE提升42%，证明多样化数据对泛化性的关键作用。

3.2 微调适应性：快速迁移至新场景

在“从SubT数据集（源域）到TartanDrive数据集（目标域）”的迁移实验中，Tartan IMU仅需60个epoch即可实现高精度定位，较现有SOTA方法少33%迭代次数，且轨迹更接近真值。

3.3 在线适应：实时动态优化

针对“UGV（最高5m/s）到越野车辆（最高15m/s）”的跨速度域适应，模型通过动态缓冲区选择，105秒内完成适配，轨迹误差随学习过程持续降低。

3.4 抗遗忘性：优于全量微调

对比“全量微调”与“LoRA微调”，全量微调后，模型在源域（SubT数据集）的性能显著下降（体现灾难性遗忘）；而LoRA微调在适配目标域后，仍能保持源域的高精度定位。

四、创新点与局限性

4.1 核心创新

1. 首个IMU基础模型：首次将“基础模型”理念引入惯性定位，通过大规模多平台数据学习通用运动知识，突破专用模型的泛化瓶颈；
2. 高效适配机制：LoRA与在线适应结合，兼顾参数效率（1.1M参数）与实时性（200 FPS），满足机器人实际部署需求；
3. 鲁棒学习框架：从数据增强（旋转等变性）到动态缓冲区（GMM聚类），全流程优化模型对异构数据与动态场景的适应性。

4.2 局限性

• 平台覆盖有限：目前支持汽车、无人机、腿式机器人、人类，尚未涵盖所有机器人类型（如特殊形态的工业机器人）；
• 复杂运动挑战：GMM聚类对高度复杂的运动模式（如机器人杂技动作）可能失效；
• 数据依赖：泛化性能仍依赖大规模真实数据，尚未充分结合模拟数据扩展场景覆盖。

4.3 未来的研究方向

• 引入混合专家模型（MoE）以适配更多机器人平台；
• 融合真实与模拟 IMU 数据扩展场景覆盖；
• 开发无监督适应策略以减少对 SLAM 监督信号的依赖

总结

Tartan IMU为机器人惯性定位提供了全新范式——从“专用模型”走向“通用基础模型”，其框架不仅提升了定位精度与泛化性，更为多模态传感器融合、极端环境导航等领域提供了借鉴。随着技术迭代，轻量级、高适配的IMU基础模型有望成为机器人感知系统的核心组件。