평생형(lifelong) 매핑은 동적인 환경에서 로봇을 장기간 배치하기 위해 필수적이다. 본 논문에서는 다중 세션 데이터를 원활하게 정렬하고 동적 객체를 제거하며, 종단 간(end-to-end) 방식으로 지도를 갱신할 수 있는, 비일시성(ephemerality) 보조(ephemerality-aided) LiDAR 기반의 평생형 매핑 프레임워크인 ELite를 제안한다. 지도 요소는 일반적으로 정적(static) 또는 동적(dynamic)으로 분류되지만, 주차된 차량과 같은 경우는 이분(binary) 분류보다 더 세분화된 범주가 필요함을 시사한다. 우리의 접근에서 핵심은 세계를 두 단계의 비일시성(two-stage ephemerality)으로 확률적으로 모델링하는 것으로, 이는 서로 다른 두 시간 척도에서 지도 내 점들의 일시성을 나타낸다. 비일시성에 인코딩된 시공간적 맥락을 활용함으로써 ELite는 일시적인 지도 요소를 정확하게 추론하고, 신뢰할 수 있는 최신 정적 지도를 유지하며, 보다 세분화된 방식으로 새로운 데이터를 정렬하는 데 있어 강건성을 향상시킬 수 있다. 장기 데이터셋에 대한 광범위한 실제 환경 실험은 본 시스템의 강건성과 유효성을 보여준다. 소스 코드는 로보틱스 커뮤니티에 공개되어 있다: https://github.com/dongjae0107/ELite.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.