面向可扩展跨会话室内导航的稀疏拓扑度量图
研究提出一种稀疏拓扑度量图作为室内导航的结构表示，节点编码局部三维几何，距离加权边表示可通行连通性，并训练图匹配网络在多次会话间寻找一致子图。在跨会话点目标导航实验中，该方法在 Gibson 上成功率为 77.1%，在 3D-FRONT 场景变化下为 40.0%，内存较点级表示降低两个数量级以上。
发布于 10-23 23:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《A Sparse Topometric Graph for Scalable Cross-Session Indoor Navigation》查看原链
摘要：室内环境中的常规具身智能体通过累积带噪的真实世界测量结果，并进行大量推理来构建地图以引导导航。 虽然详细测量结果可能因场景变化或传感器设置而不同，但可通行通道的独特拓扑结构或房间之间的连通性，可以提供无需训练的引导，作为局部观测的补充。
我们提出一种稀疏拓扑度量图，作为面向鲁棒室内导航的高效结构表示，从而减轻对细粒度匹配的需求——这种匹配计算开销大、内存占用高，且容易受真实世界变化影响。 该地图由编码局部三维几何的节点和捕捉可通行连通性的距离加权边组成。 一个学习到的图匹配网络通过同时考虑节点级几何描述子和邻域连通性，在多次会话之间找到一致的子图结构。
这种整体上下文匹配对由弱区分性或重复结构引起的局部歧义具有鲁棒性，并能在局部场景变化、不同传感器模态或有限空间重叠的情况下建立稳定对应关系。 我们通过跨会话点目标导航分析该图的实用性：在该任务中，必须从后续会话中未知的初始位姿到达先前参考地图中指定的目标。
实验表明，我们的方法取得了最高的成功率（Gibson 上为 77.1%，3D-FRONT 场景变化下为 40.0%），同时与点级表示相比将内存降低两个数量级以上。 所提出的方法进一步支持跨会话对齐和目标导向导航，具有很强的可扩展性和鲁棒的真实世界迁移能力。