SuperEx：利用非视距感知增强室内建图与探索
机器人学
2025-10-14 v1 计算机视觉与模式识别
摘要
在未知室内环境中进行高效探索和建图是一个基本挑战，在时间紧迫的场景中至关重要。在现有系统中，机器人感知仍局限于视距范围；被遮挡的区域在物理遍历之前一直未知，导致当布局偏离先验假设时探索效率低下。在这项工作中，我们将非视距（NLOS）感知引入机器人探索。我们利用单光子LiDAR，它捕获编码了隐藏物体存在信息的飞行时间直方图——使机器人能够绕过盲角进行观察。近期的单光子LiDAR已变得实用且便携，使得部署能够超越受控实验室环境。先前的NLOS工作针对静态、基于实验室场景的3D重建，而NLOS辅助导航的初步尝试则考虑了简化的几何形状。我们介绍了SuperEx，一个将NLOS感知直接集成到建图-探索循环中的框架。SuperEx通过以下方式利用超视距线索增强全局地图预测：（i）从时间直方图中雕刻出空的NLOS区域，以及（ii）通过一个利用结构规律性的两步物理驱动和数据驱动方法重建被占据的结构。在复杂模拟地图和真实世界的KTH Floorplan数据集上的评估显示，与视距基线相比，在覆盖率低于30%的情况下建图精度提高了12%，探索效率也有所提升，为超越直接可见性的可靠建图开辟了道路。
引用
@article{arxiv.2510.10506,
title = {SuperEx: Enhancing Indoor Mapping and Exploration using Non-Line-of-Sight Perception},
author = {Kush Garg and Akshat Dave},
journal= {arXiv preprint arXiv:2510.10506},
year = {2025}
}
备注
8 pages, 9 Figures , Project webpage: https://super-ex.github.io/