F²SLAM 实测:未标定 Replica 轨迹误差仅 0.002 米
zhenjun_zhao · x · 2026-10-19
作者放出 F²SLAM 在 TUM RGB-D、7-Scenes、Replica、KITTI 四个基准上的详细结果:
- 未标定设置下 TUM RGB-D 平均 ATE 0.027 m、Replica 0.002 m,均为最优
- KITTI 上大幅领先未标定的基础模型类基线
- 7-Scenes 重建对比 SLAM-Former:completion 0.030→0.015 m,Chamfer 0.027→0.019 m
- 单张 A100 约 7.4 FPS,峰值显存 15.4 GB,低于 SLAM-Former 的 27.7 GB
架构上采用双时钟因子图:高频流(DROID-Net)维持局部跟踪与图连通性,低频流(DINO + Flow3r)在更宽窗口上预测位移与置信度并刷新已有边;状态一致性门控只在候选与当前几何一致时接纳,接受后替换并临时锁定旧因子。
所属事件:F²SLAM 将前馈 3D 几何转为持久优化因子，定位误差大幅下降(3 条相关)→
「具身」频道最新
- 不用相机和触觉：机器人靠关节信号就能盲穿齿轮螺母 — kevin_zakka · 2026-10-19
- 当 AI 默认录下所有对话:可搜索记忆将如何改变社交 — generativist · 2026-10-19
- 特斯拉股东信现 Optimus v3 神秘剪影，配马斯克「丰裕时代」宣言 — CyberRobooo · 2026-10-19
- Nathan Benaich：机器人正迎来自己的 GPT-2 时刻 — nathanbenaich · 2026-10-19
- 德国机器人创业者访华第6天:中国机器人创新未必领先,落地规模将无人能敌 — DominiqueCAPaul · 2026-10-19
- Ropedia 超级周开启：W0 世界模型让机器人先预测物理世界再行动 — liuziwei7 · 2026-10-19