Основні поняття
다중 로봇 시스템에서 각 로봇이 자신의 데이터만 사용하여 NeRF 모델을 학습하고, 상대 자세를 최적화하면서 협력적으로 전체 장면을 재구성할 수 있다.
Анотація
이 논문은 다중 로봇 시스템에서 협력적으로 NeRF 모델을 학습하는 Di-NeRF 알고리즘을 제안한다. 각 로봇은 자신의 데이터만 사용하여 NeRF 모델을 학습하고, 무선 네트워크를 통해 모델 파라미터를 공유한다. 또한 상대 자세를 함께 최적화하여 정확한 전역 지도를 구축할 수 있다.
Di-NeRF의 주요 특징은 다음과 같다:
- 각 로봇이 자신의 데이터만 사용하여 NeRF 모델을 학습하고, 모델 파라미터를 공유하는 분산 최적화 방식을 사용한다.
- 상대 자세를 함께 최적화하여 정확한 전역 지도를 구축할 수 있다.
- 실험 결과, Di-NeRF는 단일 로봇 NeRF와 유사한 성능을 보이며, 다양한 시나리오에서 효과적으로 작동한다.
Статистика
각 로봇의 RGB 이미지와 카메라 자세 정보를 사용하여 NeRF 모델을 학습한다.
상대 자세는 회전 각도와 이동 거리로 표현되며, 이를 최적화한다.
단일 로봇 NeRF 모델과 비교하여 유사한 PSNR, SSIM 성능을 보인다.
Цитати
"Di-NeRF allows robots to cooperatively optimize local copies of a neural network model without explicitly sharing visual data."
"Di-NeRF can consider different communication graphs (e.g. fully connected, circular, and ring connectivity)."
"Di-NeRF can render views that robots have never seen directly."