論文の概要: CoMo3R-SLAM: Collaborative Monocular Dense SLAM with Learned 3D Reconstruction Priors for Outdoor Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2605.30488v1
• Date: Thu, 28 May 2026 19:06:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.191283
• Title: CoMo3R-SLAM: Collaborative Monocular Dense SLAM with Learned 3D Reconstruction Priors for Outdoor Multi-Agent Systems
• Title（参考訳）: CoMo3R-SLAM:屋外マルチエージェントシステムのための学習3次元再構成による協調単分子線量SLAM
• Authors: Zhihao Cao, Qi Shao, Shuhao Zhai, Feng Tian, Anh Nguyen, Hesheng Wang, Baoru Huang,
• Abstract要約: 大規模屋外環境におけるスケーラブルで一貫した3D知覚を実現するためには,複数ロボットチームにとって,協調的密集SLAMが不可欠である。 CoMo3R-SLAMは、屋外マルチエージェントマッピングのための堅牢なフィードフォワード3D再構成手法を利用する、初の協調的な単分子密度RGB SLAMシステムである。 CoMo3R-SLAMは4つの戦車・寺院のシーンのうち3つで最高のATEを達成し、8FPSでオンライン実行中に最先端のRGB-D手法をマッチングまたは超える競争精度を達成している。
• 参考スコア（独自算出の注目度）: 23.018992780281977
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative dense SLAM is essential for multi-robot teams to achieve scalable and consistent 3D perception across large-scale outdoor environments. Existing systems typically depend on depth sensors, incurring significant payload, power, and calibration costs. Monocular RGB cameras are a lightweight alternative, but collaborative monocular dense SLAM remains difficult due to scale ambiguity, unreliable inter-agent data association, especially in outdoor scenes where low overlap and repetitive structures make traditional feature matching unreliable, motivating robust geometric information. We propose CoMo3R-SLAM, the first collaborative monocular dense RGB SLAM system that leverages robust learned feed-forward 3D reconstruction priors for outdoor multi-agent mapping. Each agent runs a prior-guided front-end for real-time tracking and local dense fusion, while a coordinator performs dense pointmap matching for cross-agent verification, closed-form Sim(3) gauge synchronization, and GPU-accelerated global bundle adjustment with segment-level depth optimization. Requiring neither depth sensors nor parametric intrinsics, our system produces robust cross-agent constraints and globally consistent metric maps from monocular RGB alone. On Tanks and Temples and Waymo sequences, CoMo3R-SLAM achieves the best ATE on three of four Tanks and Temples scenes and competitive Waymo accuracy, matching or exceeding state-of-the-art RGB-D methods while running online at 8 FPS.
• Abstract（参考訳）: 大規模屋外環境におけるスケーラブルで一貫した3D知覚を実現するためには,複数ロボットチームにとって,協調的密集SLAMが不可欠である。 既存のシステムは一般的に深度センサーに依存しており、かなりのペイロード、電力、キャリブレーションのコストがかかる。 モノクラーRGBカメラは軽量な代替品だが、特に重複度が低い、繰り返し構造が伝統的な特徴マッチングを信頼性の低い、ロバストな幾何学的情報を動機付けている屋外シーンにおいて、スケールの曖昧さ、信頼性の低いエージェント間データアソシエーションのために、協調的なモノクラー高密度SLAMは依然として困難である。 CoMo3R-SLAMは、屋外マルチエージェントマッピングのための堅牢なフィードフォワード3D再構成手法を利用する、初の協調的な単分子密度RGB SLAMシステムである。 各エージェントは、リアルタイムトラッキングと局所的な高密度核融合のための事前誘導されたフロントエンドを実行し、コーディネータは、クロスエージェント検証、クローズドフォームSim(3)ゲージ同期、セグメントレベルの深さ最適化によるGPU加速グローバルバンドル調整のための高密度ポイントマップマッチングを実行する。 深度センサもパラメトリック・イントリンシクスも必要とせず,本システムは単分子RGBのみから頑健なクロスエージェント制約と一貫したメートル法マップを生成する。 タンクとテンプルとWaymoのシーケンスでは、CoMo3R-SLAMは4つのタンクとテンプルのシーンのうち3つで最高のATEを達成し、競争力のあるWaymoの精度を達成している。

関連論文リスト

• MAGS-SLAM: Monocular Multi-Agent Gaussian Splatting SLAM for Geometrically and Photometrically Consistent Reconstruction [14.638296790824421]
  複数のエージェントからの協調的な3D再構成により、仮想生産および協調型マルチロボット探索のための高速な大規模シーンキャプチャが可能となる。 既存のマルチエージェントのガウシアンSLAM法の多くは、計量深度を得るためにRGB-Dセンサーに依存しており、クロスエージェントアライメントを単純化している。 我々は,RGBのみのマルチエージェント3DGS SLAMフレームワークであるMAGS-SLAMを提案する。
  論文  参考訳（メタデータ） (2026-05-11T15:57:13Z)
• SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
  SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。 SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
  論文  参考訳（メタデータ） (2025-11-21T12:40:55Z)
• MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
  3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。 マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。 合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
  論文  参考訳（メタデータ） (2025-09-17T17:27:53Z)
• 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)
• MASt3R-SLAM: Real-Time Dense SLAM with 3D Reconstruction Priors [15.764342766592808]
  我々はMASt3Rからボトムアップを設計したリアルタイム単分子高密度SLAMシステムを提案する。 本システムは固定カメラモデルやパラメトリックカメラモデルでは仮定しないが,Wild ビデオシーケンス上では堅牢である。
  論文  参考訳（メタデータ） (2024-12-16T23:00:05Z)
• NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
  NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。 近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T17:06:34Z)
• Dense RGB-D-Inertial SLAM with Map Deformations [25.03159756734727]
  密結合型RGB-D-慣性SLAMシステムを提案する。 我々は,RGB-DのみのSLAMシステムよりも,低テクスチャ,低幾何学的変動の速い動きや周期に対して,より堅牢であることを示す。
  論文  参考訳（メタデータ） (2022-07-22T08:33:38Z)

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。