NARUTO: 来自不确定目标观测的神经主动重建
计算机视觉与模式识别
2024-04-18 v2 机器人学
摘要
我们提出了NARUTO，一种神经主动重建系统，它结合了混合神经表示与不确定性学习，实现了高保真表面重建。我们的方法采用多分辨率哈希网格作为映射主干，因其卓越的收敛速度和捕捉高频局部特征的能力而被选中。我们工作的核心是引入一个不确定性学习模块，该模块在主动重建环境的同时动态量化重建不确定性。通过利用学习到的不确定性，我们提出了一种新颖的不确定性聚合策略，用于目标搜索和高效路径规划。我们的系统通过瞄准不确定观测来自主探索，并以显著的完整性和保真度重建环境。我们还通过主动射线采样策略增强了SOTA神经SLAM系统，展示了这种不确定性感知方法的实用性。在室内场景模拟器中对NARUTO在各种环境中进行的广泛评估证实了其优越的性能和在主动重建中的最先进地位，其在Replica和MP3D等基准数据集上的令人印象深刻的结果证明了这一点。
引用
@article{arxiv.2402.18771,
title = {NARUTO: Neural Active Reconstruction from Uncertain Target Observations},
author = {Ziyue Feng and Huangying Zhan and Zheng Chen and Qingan Yan and Xiangyu Xu and Changjiang Cai and Bing Li and Qilun Zhu and Yi Xu},
journal= {arXiv preprint arXiv:2402.18771},
year = {2024}
}
备注
Accepted to CVPR2024. Project page: https://oppo-us-research.github.io/NARUTO-website/. Code: https://github.com/oppo-us-research/NARUTO