UDON: 極限通信制約下でのマルチロボット神経陰的マッピングのための不確実性重み付き分散最適化
UDON: Uncertainty-weighted Distributed Optimization for Multi-Robot Neural Implicit Mapping under Extreme Communication Constraints
通信成功率が1%まで低下する極限環境でも、不確実性重み付き分散最適化により複数ロボットが高品質な神経陰的マップを協調構築できるフレームワークを提案。
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: Hongrui Zhao, Xunlan Zhou, Boris Ivanovic, Negar Mehr
分類: cs.RO
原文アブストラクト
Multi-robot mapping with neural implicit representations enables the compact reconstruction of complex environments. However, it demands robustness against communication challenges like packet loss and limited bandwidth. While prior works have introduced various mechanisms to mitigate communication disruptions, performance degradation still occurs under extremely low communication success rates. This paper presents UDON, a real-time multi-agent neural implicit mapping framework that introduces a novel uncertainty-weighted distributed optimization to achieve high-quality mapping under severe communication deterioration. The uncertainty weighting prioritizes more reliable portions of the map, while the distributed optimization isolates and penalizes mapping disagreement between individual pairs of communicating agents. We conduct extensive experiments on standard benchmark datasets and real-world robot hardware. We demonstrate that UDON significantly outperforms existing baselines, maintaining high-fidelity reconstructions and consistent scene representations even under extreme communication degradation (as low as 1% success rate).
関連論文
- MR-COGraphs: 3Dシーングラフによる通信効率の良いマルチロボットオープンボキャブラリマッピングシステムマルチロボットマッピング
- 合意制約付き分散最適化によるマルチロボット意味オクトリーマッピングマルチロボットマッピング
- スペクトルグラフウェーブレットを用いた協調マルチロボットマッピングフレームワークマルチロボットマッピング
- 複数の空中ロボットによる能動的メトリック・セマンティックマッピングマルチロボットマッピング
