NextBestPath：高效的未见环境 3D 映射
计算机视觉与模式识别
2025-02-11 v1 机器人学
摘要
本工作解决的是主动 3D 映射问题，即智能体必须找到高效的轨迹来彻底重建新场景。以前的方法主要预测智能体附近位置的最佳视图，这容易陷入局部区域。此外，现有的室内数据集因几何复杂度有限和 ground truth 网格不准而不足。为克服这些限制，我们引入一种新数据集 AiMDoom，配备地图生成器，可更好地对室内环境进行主动 3D 映射基准测试。此外，我们提出一种称为 next-best-path (NBP) 的新方法，该方法预测长期目标，而不仅仅关注短视视图。模型联合预测累积表面覆盖收益的长期目标和障碍图，从而高效地规划最优路径。通过利用在线数据收集、数据增强和课程学习，NBP 在现有 MP3D 数据集和我们的 AiMDoom 数据集上均显著优于最先进的方法，在几何复杂度各异的室内环境中实现更高效的映射。
引用
@article{arxiv.2502.05378,
title = {NextBestPath: Efficient 3D Mapping of Unseen Environments},
author = {Shiyao Li and Antoine Guédon and Clémentin Boittiaux and Shizhe Chen and Vincent Lepetit},
journal= {arXiv preprint arXiv:2502.05378},
year = {2025}
}
备注
To appear at ICLR 2025. Project webpage: https://shiyao-li.github.io/nbp/