OpenNavMap: マルチセッション外観ベーストポメトリックマッピングによるスケーラブルな視覚ナビゲーション

- OpenNavMapは、landmark-freeなtopometric mapping system。 - 画像ノードをcovibility, odometry, traversability graphに整理。 - 局所幾何復元は3D geometric foundation models (GFMs)にオンデマンドで委譲。 - 多セッション・多デバイス対応のlifelong mapping pipelineを備える。 - 大規模環境での長期ロボットナビゲーションを目指す。

- 従来のdense geometryや3D landmarksを維持する地図は保存・保守コストが高い。 - 多セッション地図構築では視点重複の少なさ、経時的外観変化、デバイス間差異が課題。 - 提案手法はlandmark-freeで軽量、GFMをオンデマンド利用しコストを削減。 - Map-Free benchmarkでstate-of-the-artの0.62m translation errorを達成。 - depth sensorなしで15.7kmの絶対軌跡誤差を3m未満に抑える。

- 画像ノードをcovibility, odometry, traversability graphで管理。 - 局所幾何は3D geometric foundation models (GFMs)にオンデマンドで復元させる。 - 位置推定ではdynamic-programming-based sequence matchingで候補対応を絞り込み。 - GFMによりglobal estimationを軽量なpose-only optimizationに還元。 - mappingではcross-device mergingとnode cullingによるlifelong pipelineで多セッション・多デバイスデータを統合。

- 4つの実環境にまたがる19kmのデータセットで評価。 - Map-Free benchmarkで0.62mのtranslation errorを達成。 - depth sensorなしで15.7kmの絶対軌跡誤差を3m未満に抑制。 - シミュレーションと実機ロボットの両方で12の自律image-goal visual navigationタスクを完遂。 - コードとデータセットは公開予定。

- 要旨からは不明。 - ただし、landmark-freeでGFMをオンデマンド利用する設計の限界や、多セッション・多デバイス環境での汎化性能についての議論が想定される。 - 具体的な議論内容は要旨に記載なし。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、3D geometric foundation models (GFMs)、topometric mapping、visual localization、Map-Free benchmark、image-goal visual navigationが挙げられる。 - 同分野の定番として、ORB-SLAM、VINS-Mono、NetVLAD、SuperGlueなどが考えられるが、要旨に記載はない。