장기적으로 로봇을 동적 환경에 배치하기 위해서는 평생에 걸친 지도 작성(lifelong mapping)이 중요하다. 본 논문에서는 여러 세션의 데이터를 원활하게 정합하고, 동적 객체를 제거하며, 종단 간(end-to-end) 방식으로 지도를 업데이트할 수 있는 소멸성(ephemerality) 보조 LiDAR 기반 평생 지도 작성 프레임워크 ELite를 제시한다. 지도 요소는 통상 정적 또는 동적으로 분류되지만, 주차된 자동차와 같은 경우에는 이분법적인 분류보다 더 세분화된 범주가 필요함을 시사한다. 우리의 접근에서 핵심은 세계를 2단계의 $extitephemerality$로 확률적으로 모델링하는 것으로, 이는 서로 다른 두 시간 스케일에서 지도 상의 점(point)들이 갖는 일시성(transiency)을 나타낸다. 이러한 소멸성(ephemeralities)에 인코딩된 시공간 문맥을 활용함으로써, ELite는 일시적인 지도 요소를 정확히 추론하고, 신뢰할 수 있는 최신 정적 지도를 유지하며, 더 세밀한 방식으로 새로운 데이터를 정합하는 데 있어 강건성을 향상시킬 수 있다. 장기 데이터셋에 대한 광범위한 실제 환경 실험은 본 시스템의 강건성과 효율성을 입증한다. 소스 코드는 로보틱스 커뮤니티에 공개되어 있다: https://github.com/dongjae0107/ELite.

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