S$^2$MAT: Simultaneous and Self-Reinforced Mapping and Tracking in Dynamic Urban Scenariosorcing Framework for Simultaneous Mapping and Tracking in Unbounded Urban Environments

要約

日常生活におけるロボットの普及が進んでいるにもかかわらず、ロボットのナビゲーション機能は依然として世界地図などの事前知識のある環境に限定されています。
ロボットの可能性を最大限に引き出すには、大規模で未知で変化する非構造化シナリオをロボットが移動できるようにすることが重要です。
これには、ロボットが探索中にリアルタイムで正確な静的マップを構築すると同時に、移動物体を除外してマッピングの精度を確保し、可能であれば高品質の歩行者追跡と衝突回避を実現する必要があります。
既存の方法は、空間マッピングや動的な物体の検出と追跡という個別の目標を達成できますが、実際には相互に結合し相互作用するこれら 2 つのタスクを効果的に統合するための研究は限られています。
この研究では、フロントエンドの動的物体検出および追跡モジュールとバックエンドの静的マッピング モジュールを統合する、S$^2$MAT (Simultaneous and Self-Reinforced Mapping and Tracking) と呼ばれるソリューションを提案します。
S$^2$MAT は、これら 2 つのモジュール間の密接な相互作用を利用して、高度に動的なシナリオにおける同時追跡とマッピングという未解決の問題を効率的かつ効果的に解決します。
私たちは、広く使用されているデータセットとシミュレーションを使用して広範な実験を実施し、定性的および定量的な結果の両方を提供して、動的物体検出、追跡、および高品質の静的構造マッピングにおける S$^2$MAT の最先端のパフォーマンスを実証しました。
さらに、歩行者やその他の交通エージェントなどの困難な障害物を含む、7 km を超える現実世界の都市シナリオで長距離ロボット ナビゲーションを実行しました。
ナビゲーションの成功により、S$^2$MAT の堅牢性、スケーラビリティ、効率、品質、および事前に構築されたマップのない野生のシナリオで自律ロボットに利益をもたらす能力の包括的なテストが提供されます。

要約(オリジナル)

Despite the increasing prevalence of robots in daily life, their navigation capabilities are still limited to environments with prior knowledge, such as a global map. To fully unlock the potential of robots, it is crucial to enable them to navigate in large-scale unknown and changing unstructured scenarios. This requires the robot to construct an accurate static map in real-time as it explores, while filtering out moving objects to ensure mapping accuracy and, if possible, achieving high-quality pedestrian tracking and collision avoidance. While existing methods can achieve individual goals of spatial mapping or dynamic object detection and tracking, there has been limited research on effectively integrating these two tasks, which are actually coupled and reciprocal. In this work, we propose a solution called S$^2$MAT (Simultaneous and Self-Reinforced Mapping and Tracking) that integrates a front-end dynamic object detection and tracking module with a back-end static mapping module. S$^2$MAT leverages the close and reciprocal interplay between these two modules to efficiently and effectively solve the open problem of simultaneous tracking and mapping in highly dynamic scenarios. We conducted extensive experiments using widely-used datasets and simulations, providing both qualitative and quantitative results to demonstrate S$^2$MAT’s state-of-the-art performance in dynamic object detection, tracking, and high-quality static structure mapping. Additionally, we performed long-range robotic navigation in real-world urban scenarios spanning over 7 km, which included challenging obstacles like pedestrians and other traffic agents. The successful navigation provides a comprehensive test of S$^2$MAT’s robustness, scalability, efficiency, quality, and its ability to benefit autonomous robots in wild scenarios without pre-built maps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google