基于扩散的边界在线3D占用预测与概率地图协调
机器人学
2024-09-18 v1
摘要
由于机器人在对未观测几何结构进行常识推理方面面临困难，未映射环境中的自主导航和探索仍然是机器人领域的重大挑战。最新进展表明，生成建模技术，特别是扩散模型，能够使系统从部分观测中推断这些几何结构。在本研究中，我们展示了使用改进的扩散模型进行实时、在线占用预测的实现细节和结果。通过移除基于注意力的视觉条件化和视觉特征提取组件，我们在准确率损失极小的情况下实现了73%的运行时间缩减。这些修改使得占用预测能够覆盖整个地图，而非仅限于机器人周围可采集相机数据的区域。我们引入了一种概率更新方法，用于将预测的占用数据合并到持续更新的占用地图中，与先前的方法相比，在预测地图边界处的占用情况上实现了71%的改善。最后，我们在 github.com/arpg/sceneSense_ws 发布了我们的代码和用于机器人在机操作的 ROS 节点 <发表后公开>。
引用
@article{arxiv.2409.10681,
title = {Online Diffusion-Based 3D Occupancy Prediction at the Frontier with Probabilistic Map Reconciliation},
author = {Alec Reed and Lorin Achey and Brendan Crowe and Bradley Hayes and Christoffer Heckman},
journal= {arXiv preprint arXiv:2409.10681},
year = {2024}
}