가우시안 표현 기반 실시간 모노큘러 SLAM 및 계층형 경로계획 연구

Real-Time Monocular Gaussian SLAM and Hierarchical Path Planning

연구 내용

Gaussian scene representation과 VO 기반 추정을 결합해 실시간 모노큘러 SLAM을 수행하고, 대규모 3D 공간에서 coarse-to-fine 경로를 생성하는 연구

본 분야는 3D Gaussian scene representation을 활용해 모노큘러 입력에서도 밀집 SLAM을 실시간으로 수행하는 데 초점을 둡니다. 기존 방식의 추적-매핑 결합 방식에서 발생하는 중복 계산을 줄이기 위해 VO와 Gaussian Splatting을 양방향으로 결합하고, EM 프레임워크에서 VO 유도 반밀도 깊이 추정과 가우시안 표현을 함께 정제합니다. 또한 VO의 이미지 정보, 키프레임 포즈, 픽셀 연관을 이용해 초기 가우시안 장면을 휴리스틱 없이 근사 생성하는 절차를 제공하여 안정적인 수렴을 지원합니다. 동시에 대규모 3D 맵에서 경로 품질과 계산 효율의 상충을 다루기 위해 계층적 coarse-to-fine 계획을 구성하고, 확산 기반 네트워크로 잔차를 학습해 fine 경로를 빠르게 보정합니다.

관련 프로젝트

3건

연구 흐름

초기에는 가우시안 표현이 제공하는 장면 재구성 품질을 모노큘러 SLAM에 직접 적용하기 위한 결합 구조를 정리하는 데 집중했습니다. 이후 추적과 매핑을 단일 통합 장면으로 강하게 결합할 때의 계산 부담을 완화하기 위해, VO 신호를 기반으로 Gaussian 최적화를 양방향으로 연결하는 설계를 채택했습니다. EM 프레임워크를 통해 VO 유도 깊이와 가우시안 표현을 동시에 갱신하는 체계를 구성하고, 가우시안 초기화를 VO의 관측 연관으로부터 직접 근사화하여 휴리스틱 의존도를 낮췄습니다. 한편 경로계획에서는 장면 규모가 커질수록 A* 계열이 계산 병목을 갖는 문제를 확인하고, coarse plan 후 독립 서브문제를 병렬 처리한 뒤 확산 기반 잔차 보정으로 fine 경로를 생성하는 방향으로 연구를 확장했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

실시간 모노큘러 밀집 SLAM
VO-가우시안 양방향 결합 최적화
픽셀 연관 기반 가우시안 초기화
대규모 3D 맵 경로계획
coarse-to-fine 계층형 내비게이션
확산 기반 잔차 경로 보정
대규모 환경 병렬 서브문제 해결
로봇 모션 생성 및 궤적 생성
복잡 지형에서의 글로벌 경로 탐색
계산 제약 환경의 경로 품질 유지