GlassGuard: ロボットナビゲーションのための検証済みガラス平面マッピング

- LiDAR-based SLAM・navigation における透明/鏡面(glass)表面の地図欠落問題に対処する枠組み GlassGuard を提案。 - 視覚と LiDAR の相補的証拠から建築上の planar glass を再構成し、navigation 指向で地図を構築。 - glass coverage と free-space contamination の両立を成功指標として定式化。 - 9 つの building-scale シーン、1 時間超・2.1 km の実ロボット走行で評価。

- 先行研究は欠落表面の再構成を試みるが、不正確な障害物配置が traversable free space を汚染する逆の失敗を生む。 - GlassGuard は glass coverage と free-space contamination の二重要件を明示的に扱う。 - 同一 pinhole 入力で total coverage 82% を達成し、評価した baseline の最大 61% を上回る。 - 1 フレームあたり false voxel を 5–17 倍削減。

- foundation vision model が glass-instance mask を提供。 - structural 3D cue から metric plane hypothesis を生成。 - depth-free な 2D projective geometry で plane の向きを検証。 - 検証済み plane を consolidated global map に統合。 - proposal verification と global map construction の両段階で成功原則を適用。

- 多様な glass 構造・空間スケール・照明条件を含む 9 つの building-scale シーンで評価。 - 1 時間超・2.1 km の実世界ロボット走行データを使用。 - panoramic 版で total glass coverage 85% を達成。 - pinhole 入力で 82% の total coverage、baseline は最大 61%。 - navigation planner を用いた定性例で、glass を通る経路を遮断しつつ通行可能経路を開放することを確認。

- glass coverage と free-space contamination のトレードオフを成功指標として明示。 - 不正確な障害物配置が free space を汚染する危険性を指摘。 - 評価は 9 シーン・1 時間超・2.1 km に限定され、他環境への一般化は要旨からは不明。 - 計算コストやリアルタイム性、failure case の詳細は要旨からは不明。

- 要旨で参照/比較されている baseline 研究(具体的名称は要旨からは不明)。 - LiDAR-based SLAM における glass/specular surface 再構成の先行研究。 - foundation vision model を用いた glass-instance segmentation 関連研究。 - navigation planner と地図再構成の統合に関する研究。