MULAN-WC：基于无线协调的多机器人局部化不确定性感知型主动 NeRF
机器人学
2024-09-17 v2
摘要
本文提出了 MULAN-WC，一种新颖的多机器人 3D 重建框架，利用基于无线信号的机器人间协调机制和神经辐射场（NeRF）。我们的ethods addresses 多机器人 3D 重建中的关键挑战，包括机器人间姿态估计、局部化不确定性量化以及主动最佳下一视角选择。我们引入了一种利用无线方位角（AoA）和测距 measurements 来估计机器人间相对姿态的方法，同时量化并纳入这些姿态估计中内置的无线局部化不确定性，以减轻不准姿态对 NeRF 训练损失的影响。此外，我们提出了一种主动视角选择方法，考虑机器人姿态不确定性，以确定下一最佳视角，从而提高 3D 重建质量，实现更快的收敛。广泛的实验在合成数据和真实世界数据集上都表现出该框架在理论和实践中的有效性。利用无线协调和局部化不确定性感知训练，MULAN-WC 能够实现接近使用真实姿态的高质量 3D 重建。此外，量化新视角的信息增益，使机器人通过捕获新视角图像来持续提升渲染质量。我们的硬件实验展示了将 MULAN-WC 部署到实际机器人系统中的实用性。
引用
@article{arxiv.2403.13348,
title = {MULAN-WC: Multi-Robot Localization Uncertainty-aware Active NeRF with Wireless Coordination},
author = {Weiying Wang and Victor Cai and Stephanie Gil},
journal= {arXiv preprint arXiv:2403.13348},
year = {2024}
}