Hierarchy-GBP：粗图抽象+恢复加速因子图推断，BA 全规模 SOTA
zhenjun_zhao · x · 2026-10-08
Andrew Davison 团队等的 arXiv 论文提出 Hierarchy-GBP，加速高斯信念传播（GBP）推断。核心发现：GBP 局部纠错快、但跨远距离图区域的全局错误只能靠长程消息传播缓慢修正。方法分两阶段：
- 抽象（abstraction）：先用粗图近似求解全局错误，再投影回原图（recovery）
- 精化：用标准 GBP 修正剩余局部错误
理论证明了收敛到最优（通过组合矩阵算子的谱半径分析）；实验显示线性稀疏图上收敛显著快于标准 GBP，并在位姿图优化（PGO）显著加速、在所有测试规模的 Bundle Adjustment（BA）上取得 SOTA 运行时间。对空间智能/SLAM 具有应用价值。
「具身」频道最新
- LeRobot 实战教程上线：端到端机器人学习最新进展全解读 — yacinelearning · 2026-10-08
- 机器人皮肤与手指原型亮相，被赞「圣杯级」进展 — repligate · 2026-10-08
- 微软发布 Nvidia 芯片 AI PC,Surface Laptop Ultra 搭新 Windows 11 — TechCrunch AI · 2026-10-08
- EigenDEXplore：用人手协调运动模式改进机器人手探索 — leto__jean · 2026-10-08
- 旧思路新做法:沿人手运动方向加探索噪声,学灵巧操作抓取协同 — leto__jean · 2026-10-08
- Nature 警告隐形 AI 可穿戴普及或致偷录常态化,厂商称隐私设计应对 — tianshi_li · 2026-10-08