ARMOR: Adaptive Meshing with Reinforcement Optimization for Real-time 3D Monitoring in Unexposed Scenes

要約

溶岩チューブ、鉱山、トンネルなどの暴露された環境は、科学的探査とインフラ開発のための最も複雑でありながら戦略的に重要なドメインの1つです。
これらの環境の正確かつリアルタイムの3Dメッシュは、自動構造評価、ロボット支援検査、安全監視などのアプリケーションに不可欠です。
暗黙のニューラル署名距離フィールド（SDF）は、オンラインメッシュに有望な機能を示しています。
ただし、既存の方法は、多くの場合、大きな投影エラーに悩まされ、固定再建パラメーターに依存しており、トンネル、洞窟、溶岩チューブなどの複雑で非構造化されていない地下環境への適応性を制限します。
これらの課題に対処するために、このペーパーでは、暴露された環境でのリアルタイム3Dメッシュのためのシーンに適合した補強学習ベースのフレームワークであるアーマーを提案します。
提案された方法は、エンジニアリングされたトンネル、自然洞窟、溶岩管など、3,000メートル以上の地下環境で検証されました。
実験結果は、アーマーがリアルタイムメッシュ再構成で優れた性能を達成し、リアルタイムの効率を維持しながら、最先端のベースラインと比較して幾何学的誤差を3.96 \％減らすことを示しています。
この方法は、堅牢性、精度、適応性を改善し、挑戦的な暴露シナリオでの高度な3Dモニタリングとマッピングの可能性を示しています。
プロジェクトページは、https：//yizhezhang0418.github.io/armor.github.io/にあります。

要約(オリジナル)

Unexposed environments, such as lava tubes, mines, and tunnels, are among the most complex yet strategically significant domains for scientific exploration and infrastructure development. Accurate and real-time 3D meshing of these environments is essential for applications including automated structural assessment, robotic-assisted inspection, and safety monitoring. Implicit neural Signed Distance Fields (SDFs) have shown promising capabilities in online meshing; however, existing methods often suffer from large projection errors and rely on fixed reconstruction parameters, limiting their adaptability to complex and unstructured underground environments such as tunnels, caves, and lava tubes. To address these challenges, this paper proposes ARMOR, a scene-adaptive and reinforcement learning-based framework for real-time 3D meshing in unexposed environments. The proposed method was validated across more than 3,000 meters of underground environments, including engineered tunnels, natural caves, and lava tubes. Experimental results demonstrate that ARMOR achieves superior performance in real-time mesh reconstruction, reducing geometric error by 3.96\% compared to state-of-the-art baselines, while maintaining real-time efficiency. The method exhibits improved robustness, accuracy, and adaptability, indicating its potential for advanced 3D monitoring and mapping in challenging unexposed scenarios. The project page can be found at: https://yizhezhang0418.github.io/armor.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google