MAP-NBV：面向主动三维物体重建的多智能体预测引导式最佳下一视角规划
机器人学
2024-06-25 v3 多智能体系统
摘要
最佳下一视角（NBV）规划是一个长期存在的问题，即由正在观察物体的机器人决定从何处获取该物体的下一个最佳视角。已有许多基于物体已观测部分选择 NBV 的方法。本文中，我们研究预测未观测部分如何有助于提高物体重建效率。我们提出多智能体预测引导式 NBV（MAP-NBV），一种用于多智能体系统主动三维重建的分散式协调算法。基于预测的方法通过从数据中学习环境结构线索，在主动感知任务中展现出巨大改进。然而，这些方法主要关注单智能体系统。我们设计了一种分散式最佳下一视角方法，利用基于预测结果的几何度量，联合优化信息增益与控制代价，以实现高效的协同三维物体重建。我们的方法在基于 AirSim 和 ShapeNet 的仿真中相较非预测多智能体方法取得了 19% 的提升。我们通过项目网站公开代码：http://raaslab.org/projects/MAPNBV/。
引用
@article{arxiv.2307.04004,
title = {MAP-NBV: Multi-agent Prediction-guided Next-Best-View Planning for Active 3D Object Reconstruction},
author = {Harnaik Dhami and Vishnu D. Sharma and Pratap Tokekar},
journal= {arXiv preprint arXiv:2307.04004},
year = {2024}
}
备注
8 pages, 7 figures, 1 table. Submitted to IROS 2024