Di-NeRF：面向相对位姿优化的协同学习分布式神经辐射场
机器人学
2025-08-08 v3
摘要
对未知环境进行协同建图比单机器人建图更快、更鲁棒。然而，协同方法需要分布式范式以实现可扩展性并应对通信问题。本文提出一种全分布式算法，使一组机器人能够协同优化神经辐射场（NeRF）的参数。该算法涉及每个机器人在网状网络上通信其训练好的 NeRF 参数，其中每个机器人仅训练自己的 NeRF 并访问自身的视觉数据。此外，所有机器人的相对位姿与模型参数一同进行联合优化，从而能够在相对相机位姿精度较低的情况下进行建图。我们展示了多机器人系统可以受益于从多个 NeRF 优化的可微且鲁棒的三维重建。在真实世界和合成数据上的实验证明了所提算法的效率。请访问项目网站获取实验视频和补充材料（https://sites.google.com/view/di-nerf/home）。
引用
@article{arxiv.2402.01485,
title = {Di-NeRF: Distributed NeRF for Collaborative Learning with Relative Pose Refinement},
author = {Mahboubeh Asadi and Kourosh Zareinia and Sajad Saeedi},
journal= {arXiv preprint arXiv:2402.01485},
year = {2025}
}
备注
9 pages, 11 figures, Accepted in IEEE-RA-L