前提地図（既知地図）を活用した、ロボットの自己位置推定のための学習ベース階層型シーングラフマッチング
arXiv cs.RO / 2026/5/1
📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research
要点
- 本論文は、既知の構造的プライア（例：BIM由来の表現）を用いてSLAMのドリフト補正を行うために、階層型シーングラフ同士をマッチングする学習ベースのエンドツーエンド手法を提案する。
- 高価な組合せ的なノード対応付けのスケーラビリティ問題に対し、フラットなグラフマッチングでは扱われがちな多層のセマンティクス階層を明示的に活用することで課題を解決しようとしている。
- 提案手法では、センサ由来のオンライン側グラフと、事前知識（オフライン）側グラフの双方に、階層内・階層間の関係を表すセマンティクスに基づいたエッジ種別を付与し、部屋といった高レベル概念から壁などの低レベル表面まで同時に対応付けできるようにしている。
- 床伏せ図（floor plans）のみで学習し、実環境のLiDARデータ上でF1が組合せベースラインを上回り、かつ計算は約10倍高速であることから、BIM支援の自己位置推定に対するゼロショット汎化の成立を示している。
- 総じて、階層・意味を考慮したグラフマッチングによって、ロボット観測と既知の構造プライアを信頼性高く接続できることを示した内容である。
