論文の概要: GRAND-SLAM: Local Optimization for Globally Consistent Large-Scale Multi-Agent Gaussian SLAM
- arxiv url: http://arxiv.org/abs/2506.18885v1
- Date: Mon, 23 Jun 2025 17:55:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-24 19:06:37.114247
- Title: GRAND-SLAM: Local Optimization for Globally Consistent Large-Scale Multi-Agent Gaussian SLAM
- Title（参考訳）: GRAND-SLAM:グローバル一貫性を持つ大規模マルチエージェントガウスSLAMの局所最適化
- Authors: Annika Thomas, Aneesa Sonawalla, Alex Rose, Jonathan P. How,
- Abstract要約: マルチエージェント・ガウシアンSLAMは環境の迅速な探索と再構築に有望なアプローチである。
本研究では,サブマップ上の局所的最適化に基づく暗黙的なトラッキングモジュールであるGRAND-SLAMを提案する。
実験の結果、GRAND-SLAMはReplica屋内データセットの既存の手法よりも28%高いPSNR、91%低いマルチエージェントトラッキングエラー、既存のマルチエージェントメソッドよりもレンダリングが改善された。
- 参考スコア（独自算出の注目度）: 24.982676036611892
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D Gaussian splatting has emerged as an expressive scene representation for RGB-D visual SLAM, but its application to large-scale, multi-agent outdoor environments remains unexplored. Multi-agent Gaussian SLAM is a promising approach to rapid exploration and reconstruction of environments, offering scalable environment representations, but existing approaches are limited to small-scale, indoor environments. To that end, we propose Gaussian Reconstruction via Multi-Agent Dense SLAM, or GRAND-SLAM, a collaborative Gaussian splatting SLAM method that integrates i) an implicit tracking module based on local optimization over submaps and ii) an approach to inter- and intra-robot loop closure integrated into a pose-graph optimization framework. Experiments show that GRAND-SLAM provides state-of-the-art tracking performance and 28% higher PSNR than existing methods on the Replica indoor dataset, as well as 91% lower multi-agent tracking error and improved rendering over existing multi-agent methods on the large-scale, outdoor Kimera-Multi dataset.
- Abstract（参考訳）: 3DガウススプラッティングはRGB-DビジュアルSLAMの表現的なシーン表現として登場したが、大規模でマルチエージェントな屋外環境への応用はいまだに探索されていない。
マルチエージェントのガウスSLAMは、スケーラブルな環境表現を提供する、環境の迅速な探索と再構築のための有望なアプローチであるが、既存のアプローチは小規模の屋内環境に限られている。
そこで我々は,多エージェントDense SLAM (GRAND-SLAM) を用いたガウス再構成手法を提案する。
一 サブマップに対する局所的な最適化に基づく暗黙の追跡モジュール及び
二 ポーズグラフ最適化フレームワークに統合されたロボット内及びロボット内ループクロージャへのアプローチ。
実験によると、GRAND-SLAMは、Replica屋内データセットの既存の手法よりも最先端のトラッキング性能とPSNRの28%、そして91%低いマルチエージェントトラッキングエラー、大規模で屋外のKimera-Multiデータセットの既存のマルチエージェントメソッドよりもレンダリングが改善されている。
関連論文リスト
- MCN-SLAM: Multi-Agent Collaborative Neural SLAM with Hybrid Implicit Neural Scene Representation [51.07118703442774]
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。
論文 参考訳（メタデータ） (2025-06-23T14:22:29Z) - Large-Scale Gaussian Splatting SLAM [21.253966057320383]
本稿では,LSG-SLAMと呼ばれるステレオカメラを用いた大規模3DGSベースの視覚SLAMを提案する。
EuRocとKITTIデータセットに対する広範な評価により、LSG-SLAMは既存のNeural、3DGSベースの、さらには従来のアプローチよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-05-15T03:00:32Z) - GigaSLAM: Large-Scale Monocular SLAM with Hierarchical Gaussian Splats [20.98774763235796]
本稿では,RGB NeRF/3DGSベースの大規模屋外環境向けSLAMフレームワークであるGigaSLAMを紹介する。
我々のアプローチは階層的なスパースボクセルマップ表現を採用しており、ガウシアンはニューラルネットワークによって複数の詳細レベルで復号化されている。
GigaSLAMは、都市の屋外ベンチマークで高精度なトラッキングと視覚的に忠実なレンダリングを提供する。
論文 参考訳（メタデータ） (2025-03-11T06:05:15Z) - VIGS SLAM: IMU-based Large-Scale 3D Gaussian Splatting SLAM [15.841609263723576]
大規模屋内環境のための新しい3次元ガウス散乱SLAM法VIGS SLAMを提案する。
提案手法は, ガウススプラッティングに基づくSLAMを, IMUセンサを組み込むことで, 大規模環境で効果的に実現できることを示す最初の方法である。
この提案は,室内シナリオを超えてガウススティングSLAMの性能を向上させるだけでなく,大規模屋内環境における最先端手法に匹敵するSLAM性能を実現する。
論文 参考訳（メタデータ） (2025-01-23T06:01:03Z) - Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians [87.48403838439391]
3D Splattingは、RGBのみの高密度SLAMの幾何学と外観の強力な表現として登場した。
本稿では,高密度な3次元ガウス写像表現を持つRGBのみのSLAMシステムを提案する。
Replica、TUM-RGBD、ScanNetのデータセットに対する実験は、グローバルに最適化された3Dガウスの有効性を示している。
論文 参考訳（メタデータ） (2024-05-26T12:26:54Z) - SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM [48.190398577764284]
SplaTAMは、単一のRGB-Dカメラからの高忠実度再構成を可能にするアプローチである。
基礎となるガウス表現に合わせて、単純なオンライントラッキングとマッピングシステムを採用している。
実験により,SplaTAMはカメラポーズ推定,マップ構築,既存手法に対する新規ビュー合成において最大2倍の性能を発揮することが示された。
論文 参考訳（メタデータ） (2023-12-04T18:53:24Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳（メタデータ） (2023-11-20T12:08:23Z)
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。