Enciclopedia Boulder v1.0

Inicio · Capítulos · 14. Señales para visión artificial

15.216 14.8.6 Tracks del benchmark

Track Nombre Objetivo
TRACK-A ComponentOracleInput Medir cada componente con entradas upstream de referencia para aislar capacidad intrínseca.
TRACK-B IntegratedRecordedRGB Pipeline completo con una cámara RGB fija y procesamiento offline.
TRACK-C IntegratedRGBD Pipeline completo RGB-D con calibración y profundidad reales.
TRACK-D SparseSensorFusion RGB/RGB-D más fuerza o IMU disponible sólo en algunos contactos.
TRACK-E FullyInstrumentedValidation Validación mecánica con referencias de fuerza y geometría de alta calidad.
TRACK-F CrossAthleteGeneralization Atletas completamente nuevos en test.
TRACK-G CrossProblemAndScene Problemas, presas y revisiones de escena no vistos.
TRACK-H CrossGymAndSetter Gimnasios, estilos y route setters externos.
TRACK-I CrossDeviceAndViewpoint Cámara, óptica, resolución, posición y pipeline de imagen nuevos.
TRACK-J OpenWorldUnknowns Movimientos, combinaciones, objetos y situaciones fuera de ontología o evidencia insuficiente.
TRACK-K RobustnessStress Oclusión, iluminación, blur, frame loss, drift y sensor dropout controlados.
TRACK-L EdgeOfflineDeployment Calidad y rendimiento en hardware objetivo con artefactos reproducibles.

El track ComponentOracleInput estima el techo de cada componente con entradas correctas. Los tracks integrados usan outputs reales upstream y miden propagación de error. Ambos resultados deben publicarse juntos.