論文の概要: MCN-SLAM: Multi-Agent Collaborative Neural SLAM with Hybrid Implicit Neural Scene Representation

• arxiv url: http://arxiv.org/abs/2506.18678v1
• Date: Mon, 23 Jun 2025 14:22:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:37.017903
• Title: MCN-SLAM: Multi-Agent Collaborative Neural SLAM with Hybrid Implicit Neural Scene Representation
• Title（参考訳）: MCN-SLAM:ハイブリッド入出力ニューラルシーン表現を用いた多エージェント協調型ニューラルSLAM
• Authors: Tianchen Deng, Guole Shen, Xun Chen, Shenghai Yuan, Hongming Shen, Guohao Peng, Zhenyu Wu, Jingchuan Wang, Lihua Xie, Danwei Wang, Hesheng Wang, Weidong Chen,
• Abstract要約: 既存のNeRFベースのマルチエージェントSLAMフレームワークは通信帯域幅の制約を満たすことができない。 本稿では,ハイブリッドシーン表現を用いた分散マルチエージェント協調型ニューラルSLAMフレームワークを提案する。 シーン再構成を改善するために, 新規な三面体グリッド共同シーン表現法を提案する。 局所的(単一エージェント)と大域的(複数エージェント)の整合性を実現するために,新しいイントラ・トゥ・インターループ・クロージャ法が設計された。
• 参考スコア（独自算出の注目度）: 51.07118703442774
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Neural implicit scene representations have recently shown promising results in dense visual SLAM. However, existing implicit SLAM algorithms are constrained to single-agent scenarios, and fall difficulties in large-scale scenes and long sequences. Existing NeRF-based multi-agent SLAM frameworks cannot meet the constraints of communication bandwidth. To this end, we propose the first distributed multi-agent collaborative neural SLAM framework with hybrid scene representation, distributed camera tracking, intra-to-inter loop closure, and online distillation for multiple submap fusion. A novel triplane-grid joint scene representation method is proposed to improve scene reconstruction. A novel intra-to-inter loop closure method is designed to achieve local (single-agent) and global (multi-agent) consistency. We also design a novel online distillation method to fuse the information of different submaps to achieve global consistency. Furthermore, to the best of our knowledge, there is no real-world dataset for NeRF-based/GS-based SLAM that provides both continuous-time trajectories groundtruth and high-accuracy 3D meshes groundtruth. To this end, we propose the first real-world Dense slam (DES) dataset covering both single-agent and multi-agent scenarios, ranging from small rooms to large-scale outdoor scenes, with high-accuracy ground truth for both 3D mesh and continuous-time camera trajectory. This dataset can advance the development of the research in both SLAM, 3D reconstruction, and visual foundation model. Experiments on various datasets demonstrate the superiority of the proposed method in both mapping, tracking, and communication. The dataset and code will open-source on https://github.com/dtc111111/mcnslam.
• Abstract（参考訳）: ニューラル暗黙のシーン表現は、近年、高密度視覚SLAMにおいて有望な結果を示している。 しかし、既存の暗黙のSLAMアルゴリズムは単一エージェントのシナリオに制約されており、大規模なシーンや長いシーケンスでは難しい。 既存のNeRFベースのマルチエージェントSLAMフレームワークは通信帯域幅の制約を満たすことができない。 そこで本研究では,ハイブリッドシーン表現,分散カメラトラッキング,インター・ツー・インターループ・クロージャ,複数サブマップ融合のためのオンライン蒸留機能を備えた,最初の分散マルチエージェント協調型ニューラルネットワークSLAMフレームワークを提案する。 シーン再構成を改善するために, 新規な三面体グリッド共同シーン表現法を提案する。 局所的(単一エージェント)と大域的(複数エージェント)の整合性を実現するために,新しいイントラ・トゥ・インターループ・クロージャ法が設計された。 我々はまた,グローバルな一貫性を実現するために,異なるサブマップの情報を融合する新しいオンライン蒸留法を設計する。 さらに、私たちの知る限り、NeRFベースの/GSベースのSLAMの実際のデータセットは存在しません。 そこで本研究では,小型部屋から大規模屋外シーンまで,単一エージェントとマルチエージェントの両方を対象とする実世界のDense slam(DES)データセットを提案する。 このデータセットは、SLAM、3D再構成、および視覚基盤モデルの両方における研究の進展を促進することができる。 様々なデータセットの実験は、マッピング、追跡、通信の両方において提案手法の優位性を実証している。 データセットとコードはhttps://github.com/dtc1111/mcnslamでオープンソース化される。

関連論文リスト

• MAGiC-SLAM: Multi-Agent Gaussian Globally Consistent SLAM [23.318966306555915]
  同時ローカライゼーションとマッピング(SLAM)システムは、拡張現実、ロボティクス、自律運転など、コンピュータビジョンで広く使われている。 近年の研究では、分散ニューラルシーン表現を用いてこの問題に対処している。 本稿では,厳格に変形可能な3次元ガウス型シーン表現を提案する。 合成および実世界のデータセット上でMAGiC-SLAMを評価し,その精度と精度について検討した。
  論文  参考訳（メタデータ） (2024-11-25T08:34:01Z)
• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• MUTE-SLAM: Real-Time Neural SLAM with Multiple Tri-Plane Hash Representations [6.266208986510979]
  MUTE-SLAMは、効率的なシーン表現のために複数の三平面ハッシュエンコーディングを使用するリアルタイムニューラルネットワークRGB-D SLAMシステムである。 MUTE-SLAMは、カメラの位置を効果的に追跡し、小型および大型の屋内環境のためのスケーラブルなマルチマップ表現を漸進的に構築する。
  論文  参考訳（メタデータ） (2024-03-26T14:53:24Z)
• Q-SLAM: Quadric Representations for Monocular SLAM [85.82697759049388]
  四角形のレンズを通して体積表現を再現する。 我々は、RGB入力からノイズの深い深さ推定を正すために二次仮定を用いる。 本研究では,新たな二次分割変換器を導入し,二次情報を集約する。
  論文  参考訳（メタデータ） (2024-03-12T23:27:30Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
  本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。 これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。 協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T09:17:15Z)
• ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of Signed Distance Fields [2.0625936401496237]
  ESLAMは、未知のカメラポーズでRGB-Dフレームを読み出し、シーン表現を漸進的に再構築する。 ESLAMは3次元再構成の精度を向上し、最先端の高密度視覚SLAM法のカメラローカライゼーションを50%以上向上する。
  論文  参考訳（メタデータ） (2022-11-21T18:25:14Z)
• NICE-SLAM: Neural Implicit Scalable Encoding for SLAM [112.6093688226293]
  NICE-SLAMは階層的なシーン表現を導入することでマルチレベルローカル情報を組み込んだ高密度SLAMシステムである。 最近の暗黙的SLAMシステムと比較して、私たちのアプローチはよりスケーラブルで効率的で堅牢です。
  論文  参考訳（メタデータ） (2021-12-22T18:45:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。