GRAND-SLAM: 大規模マルチエージェントガウシアンSLAMのための局所最適化によるグローバル一貫性
GRAND-SLAM: Local Optimization for Globally Consistent Large-Scale Multi-Agent Gaussian SLAM
複数ロボットが協調して大規模屋外環境を3DガウシアンスプラッティングでSLAMする手法を提案し、サブマップ局所最適化とループ閉じ込みで高精度な追跡と描画を実現した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Annika Thomas, Aneesa Sonawalla, Alex Rose, Jonathan P. How
分類: cs.RO, cs.CV
原文アブストラクト
3D Gaussian splatting has emerged as an expressive scene representation for RGB-D visual SLAM, but its application to large-scale, multi-agent outdoor environments remains unexplored. Multi-agent Gaussian SLAM is a promising approach to rapid exploration and reconstruction of environments, offering scalable environment representations, but existing approaches are limited to small-scale, indoor environments. To that end, we propose Gaussian Reconstruction via Multi-Agent Dense SLAM, or GRAND-SLAM, a collaborative Gaussian splatting SLAM method that integrates i) an implicit tracking module based on local optimization over submaps and ii) an approach to inter- and intra-robot loop closure integrated into a pose-graph optimization framework. Experiments show that GRAND-SLAM provides state-of-the-art tracking performance and 28% higher PSNR than existing methods on the Replica indoor dataset, as well as 91% lower multi-agent tracking error and improved rendering over existing multi-agent methods on the large-scale, outdoor Kimera-Multi dataset.
関連論文
- マルチエージェントSLAMのためのマーカーレスロボット検出と6D姿勢推定マルチエージェントSLAM
- ゲーム理論的事前分布を用いたマルチエージェントSLAMマルチエージェントSLAM
- 異種地上・空中プラットフォームと均一センシング：CSIRO Data61チームのDARPA地下チャレンジへの取り組みマルチエージェントSLAM
- Loop-box: 単一ループ閉じ込みで起動するマルチエージェント直接SLAMによる大規模マッピングマルチエージェントSLAM
