Beyond Uncertainty: Risk-Aware Active View Acquisition for Safe Robot Navigation and 3D Scene Understanding with FisherRF

要約

アクティブ ビュー取得の問題は、NeRF と 3D ガウス スプラッティングを使用したロボット ナビゲーションの文脈で広範囲に研究されてきました。
シーンの再構成効率を高め、ロボットの安全性を確保するために、リスク認識環境マスキング (RaEM) フレームワークを提案します。
RaEM は、一貫したリスク対策を活用して、未知の環境の安全上重要な領域に動的に優先順位を付け、アクティブ ビュー取得アルゴリズムを次善のビュー (NBV) の特定に導きます。
期待される情報利得を最大化することで NBV を選択する FisherRF と統合された私たちのフレームワークは、ロボットの安全性の向上と、リスクを認識した 3D シーンの再構成と理解の効率の向上という 2 つの目的を達成します。
広範な忠実度の高い実験により、私たちのアプローチの有効性が検証され、アクティブなロボット探索と 3D シーンの理解のための堅牢で安全性を重視したフレームワークを確立できることが実証されました。

要約(オリジナル)

The active view acquisition problem has been extensively studied in the context of robot navigation using NeRF and 3D Gaussian Splatting. To enhance scene reconstruction efficiency and ensure robot safety, we propose the Risk-aware Environment Masking (RaEM) framework. RaEM leverages coherent risk measures to dynamically prioritize safety-critical regions of the unknown environment, guiding active view acquisition algorithms toward identifying the next-best-view (NBV). Integrated with FisherRF, which selects the NBV by maximizing expected information gain, our framework achieves a dual objective: improving robot safety and increasing efficiency in risk-aware 3D scene reconstruction and understanding. Extensive high-fidelity experiments validate the effectiveness of our approach, demonstrating its ability to establish a robust and safety-focused framework for active robot exploration and 3D scene understanding.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google