要旨: 幾何学の基盤モデルは高密度な幾何学SLAMを大きく前進させてきましたが、既存のシステムの多くは深い意味理解と堅牢なループクロージャ能力を欠いていることがしばしばあります。一方で、現在のセマンティック・マッピング手法は、分離されたアーキテクチャや脆弱なデータ関連付けによってしばしば妨げられています。私たちは、インスタンス拡張された基盤モデルから導出される統一的な幾何-インスタンス表現を活用する、新しいRGBセマンティックSLAMシステムIRIS-SLAMを提案します。幾何学の基盤モデルを拡張し、密な幾何と、ビュー間で整合するインスタンス埋め込みを同時に予測することで、セマンティクスと幾何の相乗に基づく関連付けメカニズムと、インスタンスに導かれたループクロージャ検出を可能にします。提案手法は、視点非依存のセマンティックアンカーを効果的に用いることで、幾何学的再構成とオープンボキャブラリ・マッピングの間のギャップを埋めます。実験結果は、IRIS-SLAMが最先端手法を大幅に上回ることを示しており、とりわけマップの整合性と、ワイドベースラインにおけるループクロージャの信頼性で顕著です。
IRIS-SLAM: 堅牢なセマンティック・ローカリゼーションとマッピングのための統一ジオ・インスタンス表現
arXiv cs.RO / 2026/3/30
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- IRIS-SLAMは、RGBセマンティックSLAMとして提案されており、従来の高密度幾何SLAM手法よりも深い意味理解と、より頑健なループクロージャを実現することを目的とする。
- 本手法は、インスタンス拡張ジオメトリ基盤モデルを拡張することで、密な幾何と、複数視点間で整合するインスタンス埋め込み（instance embeddings）の両方を予測し、統一された幾何・インスタンス表現を構築する。
- これらのインスタンス埋め込みを、セマンティックを相乗的に活用したデータ関連付けメカニズムおよび、インスタンス主導のループクロージャ検出に用いることで、セマンティック・マッピングのアーキテクチャが分離されていることによって生じる脆弱性に対処する。
- 幾何学的な再構成とオープンボキャブラリ・マッピングを結びつけるために、視点非依存のセマンティック・アンカーを導入し、困難な条件下での一貫性を向上させる。
- 実験（要旨の記載に従う）では、IRIS-SLAMが既存の最先端手法を上回ることが示され、とくにマップの整合性と、ワイドベースラインにおけるループクロージャの信頼性で優れている。
