HuMemSLAM: 人間の記憶に着想を得た効率的な意味的場所認識による堅牢なVisual SLAM
HuMemSLAM: Efficient Human-Inspired Semantic Place Recognition for Robust Visual SLAM
人間の記憶と知覚に着想を得た意味的場所認識手法HuMem-VPRを提案し、ORB-SLAM3と統合したHuMemSLAMにより、低遅延かつ高精度な場所認識を実現した。
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: Mayowa Adebambo, Sebastian Donnelly, Armand Amaritei, Andrew Bradley, Alexander Rast
分類: cs.RO, cs.CV
原文アブストラクト
Autonomous systems require reliable place recognition for efficient and effective simultaneous localisation and mapping (SLAM). Traditional geometric visual SLAM approaches rely on low-level features and geometric consistency, but remain vulnerable to perceptual aliasing, where different places appear similar, and perceptual variation, where the same place appears different. Although semantic SLAM and modern learned visual place recognition (VPR) methods improve robustness under challenging perceptual conditions, real-time deployment requires both high retrieval accuracy and low latency. Inspired by human memory and perception, we propose HuMem-VPR, which exploits the bidirectional relationship between bottom-up perceptual evidence and top-down contextual reasoning to achieve high-level place understanding. We further introduce HuMemSLAM, the integration of HuMem-VPR with ORB-SLAM3. HuMem VPR achieved the highest aggregate retrieval accuracy on the real-image benchmark, competitive accuracy on the CARLA benchmark, and approximately two to three times lower latency than the evaluated state-of-the-art VPR methods. Across the evaluated dataset families and online experiments, HuMemSLAM substantially improved integrated Recall @1 over ORB-SLAM3's native retrieval while reducing the proposals submitted to its geometric backend.
関連論文
- ブラケティングで道を切り開く：ロバストなVisual SLAMのための適応的マルチ露出ポリシーVisual SLAM
- 線特徴拡張cuVSLAM：低テクスチャ環境における堅牢な視覚オドメトリVisual SLAM
- ヒューマン・イン・ザ・ループ型ニューロシンボリックドリフト予測による信頼性の高いVisual SLAMVisual SLAM
- Know-Your-Scene (KYS)-SLAM: ステレオ視覚SLAMにおける特徴マッチングのための階層的意味・運動事前分布Visual SLAM
- 深層単眼Visual SLAMはスケール問題を克服したのか？ScaleMasterデータセットとベンチマークVisual SLAM
- NetVLADとFaissによるVisual SLAMのリアルタイムループ閉じ込め検出Visual SLAM
