HERE：基于认识不确定性最小化的辐射场层次主动探索
机器人学
2026-03-24 v2 计算机视觉与模式识别
摘要
我们提出 HERE，一个基于神经辐射场的主动三维场景重建框架，实现高保真隐式映射。我们的方法核心在于一种基于认识不确定性的主动学习策略，用于生成摄像机轨迹，准确识别未见区域，支持高效的数据获取与精准的场景重建。方法的关键在于基于证据深度学习的认识不确定性量化，直接捕捉数据不足的程度，并与重建误差呈现强相关，这使我们的框架能够比现有方法更可靠地识别未探索或重建不良的区域，从而实现更有信息量的、有针对性的探索。此外，我们设计了一种层次化探索策略，利用学习到的认识不确定性，其中局部规划基于可见性从高不确定性体素中提取目标视点用于轨迹生成，全局规划则利用不确定性引导大范围覆盖，以实现高效且全面的重建。在不同规模的照realistic 模拟场景上，我们的方法在主动三维重建方面实现了比以前方法更高的重建完整性，同时通过硬件演示验证了其实际应用价值。项目页面: https://taekbum.github.io/here/
引用
@article{arxiv.2601.07242,
title = {HERE: Hierarchical Active Exploration of Radiance Field with Epistemic Uncertainty Minimization},
author = {Taekbeom Lee and Dabin Kim and Youngseok Jang and H. Jin Kim},
journal= {arXiv preprint arXiv:2601.07242},
year = {2026}
}
备注
Accepted to IEEE RA-L. The first two authors contributed equally