Компьютерные науки > Робототехника [представлен 15 сентября 2026 года] Название: HuMemSLAM: Эффективное семантическое распознавание мест для быстрого визуального просмотра SARM PDF HTML (экспериментальное) резюме: Автономные системы требуют надежного признания места для эффективной и действенной одновременной локализации и картирования (SLАМ). Традиционные геометрические визуальные подходы СБАМ основаны на низкоуровневых особенностях и геометрической последовательности, но остаются уязвимыми для прозвища восприятия, где различные места выглядят схожими, а восприятие - вариациями, когда одно и то же место представляется иным. Хотя семантические методы SALM и современные методы визуального распознавания мест (VPR) повышают надежность в сложных условиях восприятия, развертывание в режиме реального времени требует как высокой точности поиска данных, так и низкой запоздалости. Вдохновляемые человеческой памятью и восприятием, мы предлагаем HuMem-VPR, который использует двунаправленную связь между доказательствами восходящего восприятия и контекстуальными аргументами сверху вниз для достижения понимания высокого уровня. Далее мы представляем HuMemSLAM, интеграцию Хум-VPR с ORB-SLАМ3. HuMem VPR достиг наивысшей совокупной точности поиска в реальном образе, конкурентоспособности в контрольном показателе CARLA и приблизительно в два-три раза ниже, чем оцененные современные методы VPR. В рамках оцениваемого набора данных семейства и онлайн-экспериментов HuMemSLAM значительно…
HuMemSLAM: эффективное семантическое распознавание мест в искусственной системе наблюдения
arXiv:2609.17168v1 Вид уведомления: перекрестное резюме: Автономные системы требуют надежного распознавания мест для эффективной и действенной одновременной локализации и картирования (SLAM). Традиционные геометрические визуальные подходы СБАМ основаны на низкоуровневых особенностях и геометрической последовательности, но остаются уязвимыми для прозвища восприятия, где различные места выглядят схожими, а восприятие - вариациями, когда одно и то же место представляется иным. Хотя семантические методы SALM и современные методы визуального распознавания мест (VPR) повышают надежность в сложных условиях восприятия, развертывание в режиме реального времени требует как высокой точности поиска данных, так и низкой запоздалости. Вдохновляемые человеческой памятью и восприятием, мы предлагаем HuMem-VPR, который использует двунаправленную связь между доказательствами восходящего восприятия и контекстуальными аргументами сверху вниз для достижения понимания высокого уровня. Далее мы представляем HuMemSLAM, интеграцию Хум-VPR с ORB-SLАМ3. HuMem VPR достиг наивысшей совокупной аккорды поиска
