コンパクトなキーフレーム最適化マルチエージェント・ガウススプラッティングSLAM

要旨: 未知環境で動作するロボットチームにとって、効率的なマルチエージェント3Dマッピングは不可欠ですが、密な表現は、制約のある通信リンク上でのリアルタイムな交換を妨げます。マルチエージェント同時位置推定・地図作成（SLAM）では、システムは通常、個々のエージェントが生成したローカルマップを統合し最適化するために、中央サーバに依存します。しかし、特にGaussian Splattingのような最近の手法によって生成された大規模なマップ表現の共有は、限られた帯域幅しかない現実のシナリオにおいてボトルネックになります。本研究では、マップの忠実性を維持しつつ通信負荷を削減する改良されたマルチエージェントRGB-D Gaussian Splatting SLAMフレームワークを提案します。まず、レンダリング品質を損なうことなく冗長な3Dガウシアンを除去するために、SLAMシステムにコンパクション手順を組み込みます。次に、初期推定なしで集中型のループクロージャ計算を実行する、2つのモードを備えた手法を採用します。1つは、3Dガウシアン以外のデータを必要としない純粋なレンダリング深度モードです。もう1つは、登録精度を高め、追加のガウシアン刈り込みを可能にするための軽量な深度画像を含むカメラ深度モードです。合成データセットと実世界データセットの両方での評価により、両モードにおいて最先端手法と比べて送信データ量を最大85〜95
%削減できることが示されました。これにより、3Dガウシアン・マルチエージェントSLAMの実世界での実運用に向けた実現可能性が一段と高まります。コード: https://github.com/lemonci/coko-slam