ReForesight: 動的セマンティックマッピングのための遮蔽に頑健な再同定と将来占有予測
ReForesight: Occlusion-Robust Re-Identification and Future Occupancy Forecasting for Dynamic Semantic Mapping
歩行者や車両の将来位置を予測し、遮蔽後の再同定も行うROS 2ツールキットを開発。小型MLPで3秒先までの占有を予測し、カルマンフィルタより高精度で高速に動作する。
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: Didar Seyidov, Faith Ogunwoye, Hajira Amjad, Danil Tolkachev, Yuri Sarkisov, Dzmitry Tsetserukou
分類: cs.RO
原文アブストラクト
Robots sharing walkways need to know where people will be, yet semantic occupancy maps show only where they are. We present ReForesight, an open-source ROS 2 toolkit that adds instance-level future occupancy and re-identification after occlusion to a particle-based semantic mapping pipeline. A 36.6k-parameter MLP predicts each tracked person or vehicle up to 3 s ahead, guarded by a Kalman fallback and a stationary gate, and the object's own points are moved to the forecast pose, forming a "ghost" point cloud in the map frame without an occupancy decoder. An optional tracker re-associates objects after occlusion using keypoint descriptors the pipeline already computes and a metric 3D gate. On four held-out CODa sequences, the MLP lowers the mean 3 s final displacement error from 0.728 m (Kalman) to 0.662 m and beats a similar-size GRU (0.692 m) on every sequence, at 0.04 ms per instance on one CPU core. Code, all models, and a ROS-free demo are released; field demonstrations use an outdoor cleaning robot.
関連論文
- 動的オントロジーに基づくセマンティックマッピングのためのハイブリッドパイプラインセマンティックマッピング
- SemanticXR: オブジェクトレベルのデバイス-クラウドアーキテクチャによる低消費電力・リアルタイムなセマンティックマッピングセマンティックマッピング
- 時空間認識に基づく効率的な連続セマンティックマッピングセマンティックマッピング
- ガウススプラッティングを用いた園芸環境の能動的セマンティックマッピングセマンティックマッピング
- SLIM-VDB: リアルタイム3D確率的セマンティックマッピングフレームワークセマンティックマッピング
- 屋内環境のアセット中心メトリック・セマンティックマップセマンティックマッピング
