Khronos: A Unified Approach for Spatio-Temporal Metric-Semantic SLAM in Dynamic Environments

要約

非常に動的で変化する環境を認識して理解することは、ロボットの自律性にとって重要な能力です。
ロボットの姿勢を正確に推定する動的 SLAM アプローチの開発に向けて大きな進歩が見られましたが、ロボット環境の高密度の時空間表現の構築にはあまり重点が置かれていませんでした。
シーンとその時間の経過に伴う進化を詳細に理解することは、ロボットの長期的な自律性にとって極めて重要であり、人間や他のエージェントと共有される環境で効果的に動作するなど、長期にわたる推論を必要とするタスクに不可欠であり、短期および長期の影響を受ける可能性があります。
-用語のダイナミクス。
この課題に対処するために、この研究では時空間計量意味論的 SLAM (SMS) 問題を定義し、それを効率的に因数分解して解決するためのフレームワークを提示します。
我々は、提案された因数分解が、時空間認識システムの自然な組織化を示唆していることを示します。この場合、高速なプロセスはアクティブな時間ウィンドウで短期的なダイナミクスを追跡し、より遅いプロセスは因子グラフを使用して環境の長期的な変化を推論します。
配合。
我々は、クロノスと呼ばれる提案された時空間認識アプローチの効率的な実装を提供し、それが短期および長期ダイナミクスの既存の解釈を統合し、リアルタイムで密な時空間マップを構築できることを示します。
。
シミュレーション結果と実際の結果を提供し、Khronos によって構築された時空間マップが長期にわたる 3D シーンを正確に反映していること、および Khronos が複数のメトリックにわたってベースラインを上回るパフォーマンスを示していることを示しています。
さらに、困難で大規模な現実世界環境における 2 台の異種ロボットに対するアプローチを検証します。

要約(オリジナル)

Perceiving and understanding highly dynamic and changing environments is a crucial capability for robot autonomy. While large strides have been made towards developing dynamic SLAM approaches that estimate the robot pose accurately, a lesser emphasis has been put on the construction of dense spatio-temporal representations of the robot environment. A detailed understanding of the scene and its evolution through time is crucial for long-term robot autonomy and essential to tasks that require long-term reasoning, such as operating effectively in environments shared with humans and other agents and thus are subject to short and long-term dynamics. To address this challenge, this work defines the Spatio-temporal Metric-semantic SLAM (SMS) problem, and presents a framework to factorize and solve it efficiently. We show that the proposed factorization suggests a natural organization of a spatio-temporal perception system, where a fast process tracks short-term dynamics in an active temporal window, while a slower process reasons over long-term changes in the environment using a factor graph formulation. We provide an efficient implementation of the proposed spatio-temporal perception approach, that we call Khronos, and show that it unifies exiting interpretations of short-term and long-term dynamics and is able to construct a dense spatio-temporal map in real-time. We provide simulated and real results, showing that the spatio-temporal maps built by Khronos are an accurate reflection of a 3D scene over time and that Khronos outperforms baselines across multiple metrics. We further validate our approach on two heterogeneous robots in challenging, large-scale real-world environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google