Исследователи представили метод MoPe (Motion Permanence), решающий проблему нестабильности монокулярного Gaussian Splatting SLAM в динамических средах. В отличие от существующих подходов, которые воспринимают движущиеся объекты как кратковременные помехи, MoPe обеспечивает сохранение целостности карты при изменении сцены. Это позволяет роботам сохранять точность локализации и навигации, даже когда объекты в поле зрения перемещаются или временно скрываются.
Традиционные методы SLAM на базе Gaussian Splatting часто страдают от «амнезии»: при исчезновении объекта из кадра информация о нем теряется, что приводит к разрывам в карте. MoPe вводит механизм долговременной памяти для динамических элементов, позволяя системе отслеживать их траектории и сохранять их положение в 3D-пространстве. Это критически важно для автономных систем, работающих в реальных условиях, где окружение постоянно меняется.
Технология опирается на интеграцию оценки неопределенности с временной связностью данных. Система классифицирует элементы сцены на статические и динамические, применяя к последним специальные алгоритмы отслеживания движения. В результате карта становится не просто набором кадров, а структурированным представлением, которое обновляется и дополняется в процессе движения робота, повышая общую надежность автономной навигации.
Ключевые факты
- Метод MoPe (Motion Permanence) предназначен для улучшения монокулярного Gaussian Splatting SLAM.
- Решение устраняет проблему «памяти» в динамических сценах, где объекты ранее удалялись из карты при выходе из кадра.
- Технология повышает точность локализации роботов за счет удержания стабильных представлений динамических объектов.
- Подход позволяет интегрировать данные об объектах в реальном времени, обеспечивая непрерывность навигационной карты.
- Исследование опубликовано в архиве препринтов arXiv под номером 2606.29237.