NeuSE: Neural SE(3)-Equivariant Embedding for Consistent Spatial Understanding with Objects

要約

オブジェクトの新しいニューラル SE(3)-Equivariant Embedding である NeuSE を提示し、長期的なシーンの変化を伴う一貫した空間理解のためにオブジェクト SLAM をどのようにサポートするかを示します。
NeuSE は、部分的なオブジェクトの観測から作成された一連の潜在的なオブジェクトの埋め込みです。
これは、完全なオブジェクト モデルのコンパクトなポイント クラウド サロゲートとして機能し、完全な形状情報をエンコードしながら、物理世界のオブジェクトと並行して SE(3) を等変に変換します。
NeuSE を使用すると、推論された潜在コードから相対フレーム変換を直接導出できます。
オブジェクトの形状とポーズの特徴付けにNeuSEを使用する、提案されたSLAMパラダイムは、独立して、または典型的なSLAMシステムと組み合わせて動作できます。
これは、一般的な SLAM ポーズ グラフの最適化と互換性のある SE(3) カメラ ポーズの制約を直接推測すると同時に、現実世界の変化に適応する軽量のオブジェクト中心のマップも維持します。
私たちのアプローチは、変更されたオブジェクトを特徴とする合成および実世界のシーケンスで評価され、スタンドアロンまたは共通の SLAM パイプラインと共同で作業する場合、ローカリゼーションの精度と変更認識マッピング機能が向上します。

要約(オリジナル)

We present NeuSE, a novel Neural SE(3)-Equivariant Embedding for objects, and illustrate how it supports object SLAM for consistent spatial understanding with long-term scene changes. NeuSE is a set of latent object embeddings created from partial object observations. It serves as a compact point cloud surrogate for complete object models, encoding full shape information while transforming SE(3)-equivariantly in tandem with the object in the physical world. With NeuSE, relative frame transforms can be directly derived from inferred latent codes. Our proposed SLAM paradigm, using NeuSE for object shape and pose characterization, can operate independently or in conjunction with typical SLAM systems. It directly infers SE(3) camera pose constraints that are compatible with general SLAM pose graph optimization, while also maintaining a lightweight object-centric map that adapts to real-world changes. Our approach is evaluated on synthetic and real-world sequences featuring changed objects and shows improved localization accuracy and change-aware mapping capability, when working either standalone or jointly with a common SLAM pipeline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google