GlassGuard: 建築ガラス平面を検証しながら地図化するロボットナビゲーション手法
本研究は、LiDARと視覚の補完情報から建築用ガラスの平面を再構成し、ナビゲーション地図に統合するフレームワークGlassGuardを開発した。9シーン、総走行2.1kmの実機評価で、パノラマ版がガラス被覆率85%、ピンホール入力版が82%を達成し、比較手法の最大61%を上回り、誤占有ボクセルを1フレームあたり5〜17分の1に低減した。本論文はプレプリントであり、査読済み採録は確認されていない。
ロボットナビゲーション用の地図において、ガラス面を正確に障害物として表現しつつ、通過可能空間への誤った占有を抑えるにはどうすればよいか。
既存のLiDARベースSLAMではレーザーがガラスを透過・鏡面反射し、衝突境界が地図から欠落する。一方、ガラス再構成を試みる手法は不正確な面配置により通過可能な自由空間を汚染し、ロボットを危険にさらすか通行不能にする。
従来は物理キュー（反射強度や超音波）による手法、画像2D検出、学習ベースのGW-DepthやMonoGlass3D、パイプラインベースのGlassReconなどがあった。しかし、学習ベースはガラス自体の特徴が乏しいため奥行きや向きの推定が曖昧で、パイプラインベースは正しい構造との対応付けに失敗し、いずれも単一フレームで配置後に検証・更新しないため誤配置が残る。
GlassGuardは、SAM3を蒸留・構造的枝刈りした軽量2Dガラスインスタンス検出を基盤とし、周囲のLiDAR点群から垂直・水平ピラーを抽出して3D平面候補を構築する。深度を使わない2D射影幾何により、マスク境界の多重解釈平面から基準方位を復元し、候補のヨー角を検証する。検証後、グローバル管理で平面の統合、床証拠による除去、多視点再投影検証を行い、持続的な世界座標平面としてナビゲーション地図に挿入する。
実機評価はMecanumホイールロボットとLivox Mid-360 LiDAR、Ricoh Thetaパノラマカメラを用い、9シーン、計2.1km、1時間超で実施した。ピンホール入力のGG-pinはEver coverage 82.1%（MonoGlass3D 61.0%、GlassRecon 44.4%）、GG-360は85.2%。10mまでの早期被覆はGG-360が47.6%、GG-pin 32.6%。1フレームあたり誤占有ボクセルはGG-pin 16.7、GG-360 15.3に対し、GlassRecon 85.4、MonoGlass3D 290.2で、ピンホール比較では5〜17倍少ない。現在地図の衝突重要帯0–2m/2–5m被覆はGG-360で89.1%/91.5%、GG-pinで84.4%/89.0%、0.5mグリッドではGG-360が0–2mで81.3%。検出後の保持率は両GlassGuardで91%以上。成分除去実験では角度ゲート除去で同時溢れが75%増加、全管理除去では352%増加した。
著者は、検出と推論の高速化が更新レートを高めるとし、現在の平面・ほぼ垂直な仮定は曲面ガラスや強く傾いたガラスには拡張できないと述べている。また単一ロボット構成、平均0.74s/frameの処理速度、コード公開の記載は論文では報告されていない。評価は実機だがパスプランニングへの影響は定量的なナビゲーション成功評価ではなく、多視点検証は近距離カバレッジを一部低下させるトレードオフを著者自身が報告している。
自律走行ロボット、配送ロボット、屋内サービスロボット、建設・施設管理向けSLAMに即適用可能な追加モジュールである。既存のLiDARスタックに組み込みやすく、VRAM 1.7GBと省資源で動作する。ただし0.74s/frameの処理速度は高速移動体には1〜3年以内の最適化が必要で、曲面ガラスや屋外の強い反射環境では3年以上の研究開発が求められる。企業はマップ管理の永続化と安全基準への適合を先に検証する必要がある。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。