Beyond Uncertainty: Risk-Aware Active View Acquisition for Safe Robot Navigation and 3D Scene Understanding with FisherRF

要約

この研究は、ラディアンス フィールド (RF) モデルと 3D ガウス スプラッティングを活用することで 3D シーンの理解を深めながら、ロボットのリスク評価と安全対策の両方を強化する新しいアプローチを提案しています。
これらの機能をさらに強化するために、環境からの追加のサンプル ビューを RF モデルに組み込みます。
私たちの主な貢献の 1 つは、期待される情報獲得を最大化する次善のビューを選択することによって重要な情報に優先順位を付ける、リスク認識環境マスキング (RaEM) の導入です。
この的を絞ったアプローチは、ロボットの経路を取り巻く不確実性を最小限に抑え、ロボットのナビゲーションの安全性を高めることを目的としています。
私たちの方法には、ロボットの安全性の向上と、リスクを認識した 3D シーンの再構成と理解の効率の向上という 2 つの利点があります。
現実世界のシナリオでの広範な実験により、私たちが提案したアプローチの有効性が実証され、アクティブなロボット探索と 3D シーンの理解のための堅牢で安全性を重視したフレームワークを確立する可能性が強調されています。

要約(オリジナル)

This work proposes a novel approach to bolster both the robot’s risk assessment and safety measures while deepening its understanding of 3D scenes, which is achieved by leveraging Radiance Field (RF) models and 3D Gaussian Splatting. To further enhance these capabilities, we incorporate additional sampled views from the environment with the RF model. One of our key contributions is the introduction of Risk-aware Environment Masking (RaEM), which prioritizes crucial information by selecting the next-best-view that maximizes the expected information gain. This targeted approach aims to minimize uncertainties surrounding the robot’s path and enhance the safety of its navigation. Our method offers a dual benefit: improved robot safety and increased efficiency in risk-aware 3D scene reconstruction and understanding. Extensive experiments in real-world scenarios demonstrate the effectiveness of our proposed approach, highlighting its potential to establish a robust and safety-focused framework for active robot exploration and 3D scene understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google