Активное нейронное картографирование

Аннотация

Мы рассматриваем задачу активного картографирования с использованием непрерывно обучаемого нейронного представления сцены, а именно Active Neural Mapping. Ключевая идея заключается в активном поиске целевого пространства для исследования с эффективным перемещением агента, что позволяет минимизировать неопределенность карты в реальном времени в ранее неизученной среде. В данной работе мы исследуем пространство весов непрерывно обучаемого нейронного поля и эмпирически показываем, что нейронная изменчивость, то есть устойчивость предсказаний к случайным возмущениям весов, может быть напрямую использована для измерения мгновенной неопределенности нейронной карты. В сочетании с непрерывной геометрической информацией, унаследованной в нейронной карте, агент может быть направлен на поиск проходимого пути для постепенного изучения окружающей среды. Впервые мы представляем систему активного картографирования с координатно-ориентированным неявным нейронным представлением для онлайн-реконструкции сцены. Эксперименты в визуально реалистичных средах Gibson и Matterport3D демонстрируют эффективность предложенного метода.

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.