PAANI
一套端侧视觉证据融合架构，用于河流监测机器人导航决策，集成目标检测与语义分割，提供可解释的导航建议，每条指令附带支撑证据与策略推理
时间轴 (近 90 天)
PAANI是一套从感知到导航的端侧架构，部署在Arduino UNO Q等资源受限硬件上，组合了自训练的YOLO11n检测器和定制的MobileNetV3 Small语义分割器
PAANI的YOLO11n检测器负责目标检测，MobileNetV3 Small语义分割器负责水面区域划分，两者输出通过带时间戳对齐的证据融合机制整合
PAANI的每一条最终导航建议都会暴露支撑它的证据以及策略推理原因，实现可检视性
PAANI通过ROS 2接口将本地AI流水线与独立的Gazebo仿真船只、定位与控制测试平台连接，形成仿真验证闭环
PAANI的检测任务使用了10,000张WaterScenes图像进行四类目标检测训练，分割任务采用1,127张MaSTr1325图像（含198张分割验证图像）
PAANI最终选用的FP32 ONNX模型仅占用14.817 MB
PAANI检测器checkpoint在0.5 IoU下的测试mAP为0.7388，矩形ONNX导出版本验证mAP为0.7367
PAANI分割ONNX的验证mIoU达到0.9750
在UNO Q上以0.5 Hz采样节奏进行的五分钟录制显示，流水线延迟中位数为467.8毫秒，第95百分位为580.3毫秒
PAANI评估中识别出两个明确问题：黑色输入的误分类（纯黑或极暗画面导致错误判断），以及采样率不匹配导致表观运动估计器无法收集足够证据
还有 2 条时间轴事件
全部知识事实 (12)
PAANI是一套从感知到导航的端侧架构，部署在Arduino UNO Q等资源受限硬件上，组合了自训练的YOLO11n检测器和定制的MobileNetV3 Small语义分割器
50%待验证PAANI的YOLO11n检测器负责目标检测，MobileNetV3 Small语义分割器负责水面区域划分，两者输出通过带时间戳对齐的证据融合机制整合
50%待验证PAANI的每一条最终导航建议都会暴露支撑它的证据以及策略推理原因，实现可检视性
50%待验证PAANI通过ROS 2接口将本地AI流水线与独立的Gazebo仿真船只、定位与控制测试平台连接，形成仿真验证闭环
50%待验证PAANI的检测任务使用了10,000张WaterScenes图像进行四类目标检测训练，分割任务采用1,127张MaSTr1325图像（含198张分割验证图像）
50%待验证PAANI最终选用的FP32 ONNX模型仅占用14.817 MB
50%待验证PAANI检测器checkpoint在0.5 IoU下的测试mAP为0.7388，矩形ONNX导出版本验证mAP为0.7367
50%待验证PAANI分割ONNX的验证mIoU达到0.9750
50%待验证在UNO Q上以0.5 Hz采样节奏进行的五分钟录制显示，流水线延迟中位数为467.8毫秒，第95百分位为580.3毫秒
50%待验证PAANI评估中识别出两个明确问题：黑色输入的误分类（纯黑或极暗画面导致错误判断），以及采样率不匹配导致表观运动估计器无法收集足够证据
50%待验证PAANI目前验证的是模型精度和板载执行能力，真实水域的碰撞规避能力仍需进一步验证
50%待验证PAANI引入了有界跟踪（Bounded tracking）提供目标持续性识别，避免单帧漏检导致判断跳变，并采用显式航道策略综合水面标签、检测结果、紧急程度及分割不确定性给出导航建议
50%