ICRA 2023 - 포스터 (Day 1)

Posted on Edited on In , , Views:

Multi S-graphs: A Collaborative Semantic SLAM Architecture

  • 룩셈베르크 대학 주관의 Scene graph 연구
  • Kimera와 비슷한 scene graph hierarchy를 가지고 있음
    • 하지만 Vision 기반인 Kimera와는 다르게 LiDAR를 사용함.
  • Kimera-multi 와 비슷한 multi-robot SLAM 아키텍처를 가지고 있음
  • Room을 검출하기 위한 ‘room descriptor’를 제안함.
    • LiDAR 기반 place recognition 기술인 scan context 기반으로 맵을 생성함.

 

A Robot Web for Distributed Many-Device Localisation

  • ICL의 Andrew Davison 교수님 아래 5년차 박사과정 중인 Riku Murai의 연구임.
  • 다수의 agent를 포함하는 factor graph를 실시간으로 최적화하는 방법을 제안함.
    • 기존의 factor graph optimization은 전체 그래프를 동시에 최적화하기 때문에, 1. 중앙 서버가 필요함, 2. 연산이 오래 걸림.
    • Distributed 알고리즘 (i.e. Gaussian Belief Propagation - GBP)를 통해 그래프를 한번에 업데이트 하는 것이 아닌, local 하게 업데이트가 가능함.
      • Asynchronous Socket 통신을 통해 서로에게 factor를 보내줄 수 있음. 구현은 ROS2로 함.
  • 이번 연구의 초점은 ‘distributed algorithm’이 outlier의 존재에도 잘 동작하는지를 확인하기 위함임.
    • 이를 위해, 다른 복잡한 부분 (e.g. 로봇의 포지셔닝)을 간단하게 함. 예를 들어, 로봇간의 factor는 AR 마커를 이용한 거리 측정 값으로 변경함.
    • frontend 알고리즘이 무거워질 경우 실시간 동작이 안될 수 있음을 의미.

 

ConceptFusion: A Real-time Open-set Multimodal 3D Mapping

  • Open-set 비전 알고리즘을 3D SLAM에 섞음
    • CLIP / DINO
  • Image, Audio, Text, Click 쿼리가 가능함.
  • 저자가 포스터만 걸어놓고 자기는 다른 오랄 들으러가서 설명이 없음…

 

CLIPGraphs: Multimodal Graph Networks to Infer Object-Room Affinities

 

VL-Fields: Towards Language-Grounded Neural Implicit Spatial Representation

  • Depth, RGB, CLIP loss를 모두 최적화한 neural field
  • CLIP loss가 있기 때문에, semantic segmentation도 잘 될 것이라는 전제를 가짐.

 

Grounding Pretrained eatures in 3D Representations

  • 저자가 포스터 걸어놓고 오랄 보러감…