内存受限机器人稠密地图关键帧管理新方法

Huichang Yun、Jaeyeul Kim、Seungho Yoo 提出一种面向内存受限机器人的稠密地图关键帧管理方法，直接限制常驻地图占用的内存，并按建筑房间、走廊等语义空间单元决定关键帧的准入与释放。作者称，在两块 NVIDIA Jetson 板上的每次运行中内存预算均未被突破，模型吞吐损失最多 0.8%；不用该方法时，操作系统会终止模型或地图。 作者称，在该预算下、在所评估的环境中，按语义区域准入比按匹配区域数量的几何划分多定位 6–9 个百分点的查询帧，约为 RTAB-Map 检索的两倍，且 ATE 更低。该工作已投稿 ICRA 2027。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。