《Electronics》：Victim Detection and Localization for Search-and-Rescue: A Robot-Mounted UWB Radar with a Hybrid CNN–ViT Model
编辑推荐：
搜救（SAR）机器人系统需要具备稳健的非视距受害者检测能力，以高精度定位障碍物后受困人员。研究人员提出一种基于卷积神经网络—视觉Transformer（CNN–ViT）架构的机器人受害者定位系统，该架构在开源雷达数据集上训练，用于穿墙存在性检测。除二分类存在检
搜救（SAR）机器人系统需要具备稳健的非视距受害者检测能力，以高精度定位障碍物后受困人员。研究人员提出一种基于卷积神经网络—视觉Transformer（CNN–ViT）架构的机器人受害者定位系统，该架构在开源雷达数据集上训练，用于穿墙存在性检测。除二分类存在检测外，所提方法利用Transformer层注意力信息估计与受害者位置最相关的雷达信号区域。模型部署于机器人平台，在附加真实环境中测试，将分类与距离估计输出融合为热力图式空间表征，从而在机器人生成地图上定位估计受害者位置。为增强鲁棒性，系统采用原开源雷达数据集上的留一受试者（LOSO）协议及机器人平台采集的附加实验会话进行评估。在原数据集上，模型受害者检测F1分数达82–96%，距机器人距离估计平均绝对误差（MAE）为0.25–0.65 m；在新采集未见数据上，F1分数72–92%，正确分类存在样本MAE为0.16–0.78 m。完整流水线进一步部署于移动机器人，环境异于原数据采集环境，展现了所提系统在实际搜救场景中的潜力。
研究背景与问题提出
搜救（Search-and-Rescue, SAR）行动中，快速定位非视距（非直接视距）受困人员（如墙后、半坍塌房间内或废墟下）是核心难题。传统破拆与人工勘察耗时、危险且早期响应中不实用。超宽带（Ultra-Wideband, UWB）雷达因带宽大、距离分辨细且具备室内穿透能力，被广泛用于基于呼吸微动的生命迹象感知；地面机器人可进入救援人员不宜涉入的危险受限空间并提供远程态势感知。二者结合即雷达挂载地面机器人，能高效扫描遮挡区域并保障操作员安全。然而文献中多数UWB或调频连续波（FMCW）雷达研究停留在受控实验，未验证为完整SAR就绪系统（含机器人集成、部署约束及跨真实遮挡泛化）。已有少数机器人挂载雷达工作多采用规则逻辑或经典阵列算法（如2D-MUSIC），未将主动多角度采集与学习模型联合实现检测、距离估计及地图级定位。研究人员此前工作虽耦合机器人与雷达并利用深度学习（Deep Learning, DL）从呼吸特征估距，但本文进一步以混合CNN–ViT解决穿墙检测与基于注意力的距离估计，并投影至机器人实时地图。
主要技术与方法概要（不超250字）
研究人员沿用前作硬件：Sensor Logic SLMX4模块（基于Novelda X4芯片，中心频7.29 GHz、带宽1.4 GHz）挂载于集成Microsoft Kinect V1 RGB-D与LDS-01激光雷达的轮式机器人；样本来自原UNIWA天线实验室开源雷达呼吸数据集（6名受试者22–26岁、11机器人位、厚27 cm YTONG墙、受试者卧于1 m/2 m后）及同配置新增33会话（距离1.63–9 m）。预处理去静态距离仓、DC去除、三阶Butterworth带通0.07–0.4 Hz、无类别增广平衡。模型为三层CNN（16/32/64滤波+SE模块）提取局部特征，FPN式融合后经4头预归一化Transformer（4层、相对位置偏置）得CLS与均值令牌拼接分类；距离由注意力滚动（attention-rollout）最大时间聚合估距；地图级以概率OR融合多会话扇形热力图投至ROS OccupancyGrid。
研究结果
3.1 数据集结果
在LOSO与原70-20-10分割下评估。Butterworth滤波对分类F1影响极小（LOSO未滤0.92±0.05、滤后0.91±0.02；非LOSO未滤0.92、滤后0.94），但显著降低距离误差：LOSO未滤RMSE 0.94±0.35 m/MAE 0.46±0.10 m，滤后RMSE 0.69±0.27 m/MAE 0.40±0.13 m；非LOSO未滤RMSE 0.76 m/MAE 0.30 m，滤后RMSE 0.50 m/MAE 0.25 m。仅计正确分类存在样本时误差更低，证明漏检引入大误差。LOSO中各受试者泛化不一，N1最佳、N6最弱。
3.2 实验
3.2.1 超出训练范围距离
33外部会话（15会话>3 m，最远9 m）测试显示非LOSO未滤模型外部F1 0.92与内部持平，其余配置外部F1降至72–92%；正确分类存在样本MAE 0.16–0.78 m。图例示7.2 m弱呼吸（置信84%）、5.2 m清晰呼吸（置信99.3%、估距5.27 m）及无呼吸噪声例（置信0.034）均符合预期，证明模型可抓呼吸相关签名而非环境伪影。
3.2.2 真实条件测试
在异于训练室、含金属椅桌白板高杂波大学空间，机器人PID右墙跟随静采34 s/位。非LOSO未滤模型（图7）检测一致且虚警少；非LOSO滤后模型（图8）检测多但分散且离群多。证明系统在陌生杂波环境可保留定位能力。
讨论与结论翻译
本研究部分支持假设：单一混合CNN–ViT可联合穿墙检测与距离估计，并泛化至训练外距离与环境。LOSO下F1约91–92%，非LOSO滤后94%；外部33会话最佳F1≈92%（非LOSO未滤）。距离估计经注意力滚动得LOSO下MAE约0.30–0.66 m，外部0.16–0.78 m，无需独立回归训练。Butterworth滤波抑静态杂波、锐化周期呼吸时空定位，分类影响小但距离误差一致降。相较前作标准差（STD）或XGBoost回归，注意力估计牺牲少许域内精度换取域外外推能力。局限：外部仅33会话且长距离极少、单墙型单受试者每会话、未测多受害者/多材质/废墟。未来扩数据集、多目标、对比训练回归头、连续运动实时自主运行及融合LiDAR相机。论文发表于《Electronics》。
