Visual SLAM2026/9/15arXiv:2609.17168

HuMemSLAM: 人間の記憶に着想を得た効率的な意味的場所認識による堅牢なVisual SLAM

HuMemSLAM: Efficient Human-Inspired Semantic Place Recognition for Robust Visual SLAM

人間の記憶と知覚に着想を得た意味的場所認識手法HuMem-VPRを提案し、ORB-SLAM3と統合したHuMemSLAMにより、低遅延かつ高精度な場所認識を実現した。

詳しい要約

1. どんなもの？

- 自律システム向けの視覚SLAMにおける場所認識の信頼性向上を目的とした研究。 - 人間の記憶と知覚に着想を得たHuMem-VPRを提案し、ORB-SLAM3と統合したHuMemSLAMを構築。 - 知覚的曖昧さと知覚的変動に対処し、高精度かつ低遅延な場所認識を実現。

2. 先行研究と比べてどこがすごい？

- 従来の幾何学的視覚SLAMは低レベル特徴と幾何的一貫性に依存し、知覚的曖昧さや変動に脆弱。 - セマンティックSLAMや学習ベースVPRは堅牢性を改善したが、リアルタイム展開には高精度と低遅延の両立が必要。 - HuMem-VPRは実画像ベンチマークで最高の総合検索精度、CARLAベンチマークで競争力のある精度、評価した最先端VPR手法より約2～3倍低い遅延を達成。

3. 技術・手法の肝は？

- ボトムアップの知覚証拠とトップダウンの文脈推論の双方向関係を活用し、高レベルの場所理解を実現。 - HuMem-VPRをORB-SLAM3に統合し、HuMemSLAMを構築。 - 具体的なアルゴリズムやネットワーク構造の詳細は要旨からは不明。

4. どうやって有効だと検証した？

- 実画像ベンチマークとCARLAベンチマークで検索精度を評価。 - 評価したデータセットファミリーとオンライン実験において、HuMemSLAMはORB-SLAM3のネイティブ検索より統合Recall@1を大幅に改善し、幾何バックエンドへの提案数を削減。 - 遅延は最先端VPR手法より約2～3倍低いことを確認。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- ORB-SLAM3、CARLAベンチマーク、および評価された最先端VPR手法（具体的名称は要旨からは不明）。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mayowa Adebambo, Sebastian Donnelly, Armand Amaritei, Andrew Bradley, Alexander Rast

分類: cs.RO, cs.CV

原文アブストラクト

Autonomous systems require reliable place recognition for efficient and effective simultaneous localisation and mapping (SLAM). Traditional geometric visual SLAM approaches rely on low-level features and geometric consistency, but remain vulnerable to perceptual aliasing, where different places appear similar, and perceptual variation, where the same place appears different. Although semantic SLAM and modern learned visual place recognition (VPR) methods improve robustness under challenging perceptual conditions, real-time deployment requires both high retrieval accuracy and low latency. Inspired by human memory and perception, we propose HuMem-VPR, which exploits the bidirectional relationship between bottom-up perceptual evidence and top-down contextual reasoning to achieve high-level place understanding. We further introduce HuMemSLAM, the integration of HuMem-VPR with ORB-SLAM3. HuMem VPR achieved the highest aggregate retrieval accuracy on the real-image benchmark, competitive accuracy on the CARLA benchmark, and approximately two to three times lower latency than the evaluated state-of-the-art VPR methods. Across the evaluated dataset families and online experiments, HuMemSLAM substantially improved integrated Recall @1 over ORB-SLAM3's native retrieval while reducing the proposals submitted to its geometric backend.

arXivで原文を読む →arXiv概要ページ