大規模な屋外環境で複数のロボットチームがスケーラブルで一貫した3D知覚を実現するには、協調稠密SLAMが不可欠です。しかし、既存のシステムは通常深度センサーに依存しており、ペイロード、電力、キャリブレーションのコストが大きな負担となります。単眼RGBカメラは軽量な代替手段ですが、協調単眼稠密SLAMには依然として課題があります。それはスケールの曖昧さと、エージェント間の信頼性の低いデータ関連付けです。特に屋外シーンでは、重複が少なく反復構造が多いため、従来の特徴マッチングは信頼性が低く、より堅牢な幾何学的情報が求められています。
この問題に対処するため、論文ではCoMo3R-SLAMを提案しています。これは、堅牢な学習済みフィードフォワード3D再構成事前分布を活用した、屋外マルチエージェントマッピング向けの初の協調単眼稠密RGB SLAMシステムです。システムは分散アーキテクチャを採用しています。各エージェントは事前分布に導かれたフロントエンドを実行し、リアルタイム追跡とローカル稠密融合を行います。一方、コーディネーターは、エージェント間検証のための稠密ポイントマップマッチング、閉形式Sim(3)ゲージ同期、およびセグメントレベル深度最適化を備えたGPU加速グローバルバンドル調整を実行します。
CoMo3R-SLAMの中心的な革新は、学習済みの3D再構成事前分布を利用して単眼視覚の固有の欠点を克服することです。これらの事前分布は信頼性の高い幾何学的情報を提供し、深度センサーやパラメトリック内部パラメータなしで、単眼RGB画像から堅牢なエージェント間制約とグローバルに一貫したメートルマップを生成することを可能にします。フィードフォワード3D再構成ネットワークを通じて、各エージェントはローカル稠密3Dポイントマップを取得でき、コーディネーターはポイントマップマッチングによってエージェント間の関連付けを確立し、グローバル最適化によって一貫性を保証します。
実験評価では、CoMo3R-SLAMはTanks and TunnelsとWaymoデータセットで優れた性能を示しました。Tanks and Tunnelsの4つのシーンのうち3つで最高の絶対軌跡誤差（ATE）を達成し、Waymoデータセットでも競争力のある精度を実現しました。最先端のRGB-D手法と比較して、CoMo3R-SLAMの精度は匹敵するかそれを上回り、しかも単眼RGB入力のみに依存し、オンラインで8 FPSで動作します。
このシステムの提案は、屋外マルチエージェント協調稠密SLAMに軽量で低コストのソリューションを提供し、捜索救助、環境モニタリング、自律ナビゲーションなどの分野でのマルチロボットシステムの応用を促進することが期待されます。今後の課題としては、計算効率のさらなる最適化、より大規模なシーンへの拡張、ロバスト性向上のための他のセンサーモダリティとの融合などが考えられます。