GAN-SLAM: Real-Time GAN Aided Floor Plan Creation Through SLAM

要約

SLAMは、現代の自律システムの基本的な要素であり、ロボットとそのオペレーターに環境をより深く理解することを提供します。
スラムシステムは、ロボット運動の動的な性質のために課題に遭遇することが多く、特に占有グリッドマップなどの2D表現において、品質のマッピングの不正確さにつながります。
これらのエラーは、地図の品質を大幅に分解し、フロアプランの作成などの特定のダウンストリームタスクの有効性を妨げます。
この課題に対処するために、私たちの小説「Gan-Slam」を紹介します。これは、スラムプロセス中に生成的な敵対的なネットワークを活用して占有グリッドをクリーニングおよび完了する新しいスラムアプローチを紹介し、出力マップに導入された騒音と不正確さの影響を減らします。
通常、3Dスラムに使用される正確なポーズ推定技術を2Dフォームに適応させ、統合します。
これにより、高品質の3D LIDAR-ODOMETRYが近年、2D表現に効果的であることが見られています。
我々の結果は、最小限のノイズとエラーを伴うマップの忠実度と品質の大幅な改善を示しており、大規模な複雑な環境内の実際のマッピングアプリケーションに対するGan-Slamの有効性を確認しています。
リアルタイムで動作する実際のデータと、2Dマップの有名な例でのアプローチを検証します。
出力マップの品質が向上すると、フロアプランのドラフトなどの新しいダウンストリームタスクが可能になり、自律システムの機能がさらに向上します。
SLAMへの斬新なアプローチは、フィールドでの大きな前進を提供し、マッピングベースのタスクのSLAMの使いやすさを改善し、OGMエラー修正のためのGANの使用に関する洞察を提供します。

要約(オリジナル)

SLAM is a fundamental component of modern autonomous systems, providing robots and their operators with a deeper understanding of their environment. SLAM systems often encounter challenges due to the dynamic nature of robotic motion, leading to inaccuracies in mapping quality, particularly in 2D representations such as Occupancy Grid Maps. These errors can significantly degrade map quality, hindering the effectiveness of specific downstream tasks such as floor plan creation. To address this challenge, we introduce our novel ‘GAN-SLAM’, a new SLAM approach that leverages Generative Adversarial Networks to clean and complete occupancy grids during the SLAM process, reducing the impact of noise and inaccuracies introduced on the output map. We adapt and integrate accurate pose estimation techniques typically used for 3D SLAM into a 2D form. This enables the quality improvement 3D LiDAR-odometry has seen in recent years to be effective for 2D representations. Our results demonstrate substantial improvements in map fidelity and quality, with minimal noise and errors, affirming the effectiveness of GAN-SLAM for real-world mapping applications within large-scale complex environments. We validate our approach on real-world data operating in real-time, and on famous examples of 2D maps. The improved quality of the output map enables new downstream tasks, such as floor plan drafting, further enhancing the capabilities of autonomous systems. Our novel approach to SLAM offers a significant step forward in the field, improving the usability for SLAM in mapping-based tasks, and offers insight into the usage of GANs for OGM error correction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google