E2-BKI：面向不确定性感知的高斯语义映射的证据椭球贝叶斯核推断
机器人学
2026-01-13 v2
摘要
语义映射旨在构建环境的3D语义表示，为在复杂户外环境中运行的机器人提供essential知识。虽然贝叶斯核推断（BKI）解决了从稀疏传感器数据进行地图推断的断裂问题，但现有的语义映射方法在面对户外环境中的各种不确定性来源时表现不佳。为此，我们提出了一个处理多种不确定性来源的不确定性感知语义映射框架，这些不确定性显著影响映射性能。我们的方法使用证据深度学习估计语义预测的不确定性，并将其纳入BKI以实现稳健的语义推断。该方法进一步将噪声观测聚合为连贯的高斯表示，以缓解不可靠点的影响，同时采用几何对齐核函数以适应复杂场景结构。这些高斯原语有效地融合了局部几何和语义信息，实现了在复杂户外场景中的稳健、不确定性感知的映射。全面评估显示，在多样化的离地和城市户外环境中，映射质量、不确定性校准、表征灵活性和鲁棒性均得到一致改善，同时保持实时效率。我们的项目网站：https://e2-bki.github.io
引用
@article{arxiv.2509.11964,
title = {E2-BKI: Evidential Ellipsoidal Bayesian Kernel Inference for Uncertainty-aware Gaussian Semantic Mapping},
author = {Junyoung Kim and Minsik Jeon and Jihong Min and Kiho Kwak and Junwon Seo},
journal= {arXiv preprint arXiv:2509.11964},
year = {2026}
}
备注
Accepted to IEEE RA-L. Our project website can be found at https://kjyoung.github.io/Homepage/#/Projects/E2-BKI