Mapeo Neural Activo

Resumen

Abordamos el problema de mapeo activo con una representación neural de escena aprendida continuamente, denominada Mapeo Neural Activo. La clave radica en encontrar activamente el espacio objetivo que debe explorarse con movimientos eficientes del agente, minimizando así la incertidumbre del mapa sobre la marcha dentro de un entorno previamente desconocido. En este artículo, examinamos el espacio de pesos del campo neural aprendido continuamente y demostramos empíricamente que la variabilidad neural, es decir, la robustez de la predicción frente a perturbaciones aleatorias de los pesos, puede utilizarse directamente para medir la incertidumbre instantánea del mapa neural. Junto con la información geométrica continua heredada en el mapa neural, el agente puede ser guiado para encontrar una ruta transitable y adquirir gradualmente conocimiento del entorno. Presentamos por primera vez un sistema de mapeo activo con una representación neural implícita basada en coordenadas para la reconstrucción de escenas en línea. Los experimentos en los entornos visualmente realistas de Gibson y Matterport3D demuestran la eficacia del método propuesto.

English

We address the problem of active mapping with a continually-learned neural scene representation, namely Active Neural Mapping. The key lies in actively finding the target space to be explored with efficient agent movement, thus minimizing the map uncertainty on-the-fly within a previously unseen environment. In this paper, we examine the weight space of the continually-learned neural field, and show empirically that the neural variability, the prediction robustness against random weight perturbation, can be directly utilized to measure the instant uncertainty of the neural map. Together with the continuous geometric information inherited in the neural map, the agent can be guided to find a traversable path to gradually gain knowledge of the environment. We present for the first time an active mapping system with a coordinate-based implicit neural representation for online scene reconstruction. Experiments in the visually-realistic Gibson and Matterport3D environment demonstrate the efficacy of the proposed method.