要旨: 信頼性の高いロボット知覚には、シーン構造を予測するだけでなく、疎な観測や欠落した観測によって予測が信頼できないと見なされるべき場所を特定することも必要です。私たちはContraMapを提案します。ContraMapは、合成ノイズサンプルを用いて訓練された明示的な不確実性クラスにより、カーネルベースの識別的マップを拡張する、対照的な連続写像（contrastive continuous mapping）手法です。この定式化では、未観測領域を対照的クラスとして扱います。これにより、ベイズ推論なしで、環境の同時予測と空間的な不確実性推定をリアルタイムに実現できます。単純な混合モデルの見方のもとで、不確実性クラスに割り当てられる確率が、距離を考慮した不確実性代理指標の単調な関数であることを示します。2D占有率マッピング、3Dセマンティックマッピング、そして卓上（テーブルトップ）シーン復元に関する実験では、ContraMapがマッピング品質を維持し、空間的に整合した不確実性推定を生成し、ベイズ型カーネルマップのベースラインよりも大幅に効率的であることが示されます。
ContraMap：ロボット環境表現のためのコントラスティブ・不確実性マッピング
arXiv cs.RO / 2026/3/31
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- ContraMapは、ロボットの環境表現において「構造の予測」と「予測が不確実である場所（疎/欠測領域）」の特定を同時に行うためのコントラスティブ連続マッピング手法を提案している。
- 未観測領域を明示的な不確実性クラス（contrastive class）として学習に組み込み、ベイズ推論なしで実時間の環境予測と空間的不確実性推定を実現する。
- 合成ノイズサンプルを用いた学習により、kernel-based discriminative mapsに不確実性推定を統合し、距離に応じた不確実性サロゲートと不確実性クラス確率の単調対応を理論的に示している。
- 2D占有地図、3Dセマンティックマッピング、テーブル上シーン再構成の実験で、マッピング品質を維持しつつ空間的に一貫した不確実性を出し、ベイズ型kernelmapベースラインより大幅に効率的であると報告している。
