アクティブニューラルマッピング

要旨

継続的に学習されるニューラルシーン表現を用いたアクティブマッピング、すなわちアクティブニューラルマッピングの問題に取り組む。その鍵は、効率的なエージェントの移動によって探索すべきターゲット空間を能動的に見つけ出し、未踏環境内でのマップの不確実性をその場で最小化することにある。本論文では、継続的に学習されるニューラルフィールドの重み空間を調査し、ランダムな重み摂動に対する予測ロバスト性であるニューラル変動性が、ニューラルマップの瞬間的な不確実性を直接測定するために利用できることを実証的に示す。ニューラルマップに継承された連続的な幾何学的情報と共に、エージェントは環境の知識を徐々に獲得するための走行可能な経路を見つけるように導かれる。本論文では、オンラインシーン再構築のための座標ベースの暗黙的ニューラル表現を用いたアクティブマッピングシステムを初めて提示する。視覚的にリアルなGibsonおよびMatterport3D環境での実験により、提案手法の有効性が実証された。

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.