구조화된 지형에서의 이동을 위한 신경 장면 표현

우리는 도시 환경을 탐색하는 모바일 로봇의 이동을 위한 지역 지형을 복원하는 학습 기반 방법을 제안합니다. 로봇의 궤적과 온보드 카메라로부터의 깊이 측정값을 사용하여, 알고리즘은 로봇의 주변 지형을 추정합니다. 이 카메라들로부터의 원시 측정값은 잡음이 많고, 로봇이 서 있는 지형을 보여주지 않는 부분적이고 가려진 관찰 결과만 제공합니다. 따라서, 우리는 잡음 측정값과 카메라 배치의 사각지대에서 오는 대량의 결측 데이터를 무시하고 장면을 충실히 복원하는 3D 재구성 모델을 제안합니다. 이 모델은 장면을 맥락으로부터 완성하기 위해 기하학적 사전 정보를 학습하는 포인트 클라우드 기반의 4D 완전 합성곱 네트워크로 구성되며, 시공간 일관성을 활용하고 과거의 증거를 이용하기 위한 자기 회귀 피드백을 포함합니다. 이 네트워크는 합성 데이터만으로 훈련될 수 있으며, 광범위한 증강으로 인해 실제 세계에서도 견고하게 작동하며, 도전적인 환경을 탐색하는 4족 로봇 ANYmal에 대한 검증에서 보여주었습니다. 우리는 효율적인 스파스 텐서 구현을 사용하여 로봇의 온보드 저전력 컴퓨터에서 파이프라인을 실행하고, 제안한 방법이 기존의 지도 표현보다 우수한 성능을 발휘함을 보여줍니다.