Khronos：动态环境中时空度量 - 语义 SLAM 的统一方法

感知和理解高度动态和变化的环境是机器人自主性的关键能力。虽然在开发能够准确估计机器人位姿的动态 SLAM 方法方面已取得重大进展，但对机器人环境密集时空表示的构建关注较少。对场景及其随时间演变的详细理解对于长期机器人自主性至关重要，也是需要在共享环境中有效操作等需要长期推理的任务的基础，这些环境与人类和其他智能体共享，因此受到短期和长期动态的影响。为应对这一挑战，本工作定义了时空度量 - 语义 SLAM（SMS）问题，并提出了一种高效分解和解决该问题的框架。我们表明，所提出的分解建议了一种时空感知系统的自然组织方式，其中快速过程在活动时间窗口内跟踪短期动态，而较慢过程利用因子图公式对环境中的长期变化进行推理。我们提供了所提出的时空感知方法的高效实现，称为 Khronos，并表明它统一了现有的短期和长期动态解释，并能够实时构建密集的时空地图。我们提供了仿真和真实结果，表明 Khronos 构建的时空地图准确反映了随时间变化的 3D 场景，且 Khronos 在多项指标上优于基线方法。我们进一步在具有挑战性的大规模真实世界环境中，在两个异构机器人上验证了我们的方法。