効率的なロボットナビゲーションのための空間記憶表現に関する調査

arXiv cs.CV / 2026/4/21

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

原文を読む →

共有:

要点

本論文は、ビジョンベースのロボットが広い環境でナビゲーションする際に空間メモリが際限なく増大し、ハードウェア増強が難しい組込みプラットフォームで計算資源を使い果たす問題があると指摘しています。
1989〜2025年の52システムにまたがる88件の文献を調査し、保存される永続マップサイズと運用時に実際に消費されるピーク実行メモリの比 α（α = M_peak / M_map）を導入して、公開されているマップサイズと実際の導入メモリ負荷のギャップを明らかにします。
NVIDIA A100での独立プロファイリングでは、ニューラル手法の範囲内でも α が2桁分変動し、手法名というよりメモリ設計（アーキテクチャ）が導入可否を左右することを示しています。
メモリ増加率、クエリ遅延、メモリ完全性（completeness）曲線、スループット劣化といった、実運用制約を反映した標準評価プロトコルを提案していますが、既存ベンチマークはそれらを十分に捉えていません。
パレート前線分析により単一のパラダイムが常に優位とは限らず、Replica上では3DGSが90〜254MBのマップサイズで絶対精度が最良、またシーングラフは意味的抽象化を予測可能なコストで提供すると述べています。さらに独立測定の α 参照値と、αを考慮した予算（バッファリング）アルゴリズムを提供し、実装前にターゲット機器での実現可能性を評価できます。