複数のロボットチームが大規模な屋外環境において一貫性のある3D知覚を実現するために、協調的な密度SLAMは極めて重要な役割を果たします。従来のシステムは深度センサーに依存していましたが、これらは高い積載量、電力消費、そして複雑なキャリブレーション作業を必要とするという課題を抱えていました。一方、単眼RGBカメラはより軽量な代替手段ですが、協調的な単眼密度SLAMはスケール曖昧性と不確実なエージェント間データ関連付けという困難に直面しており、特に屋外シーンではオーバーラップの少なさと反復的な構造が従来の特徴マッチングを信頼できないものにしていました。 今回提案されたCoMo3R-SLAMは、学習した前向き3D再構成事前知識を活用する、屋外マルチエージェントマッピング向けの最初の協調単眼密度RGBSLAMシステムです。各エージェントは実時間トラッキングとローカル密度融合のための事前知識ガイド付きフロントエンドを実行し、コーディネーターは密度ポイントマップマッチング、クローズドフォームSim(3)ゲージ同期化、およびセグメントレベルの深度最適化を備えたGPU加速グローバルバンドル調整を行います。深度センサーやパラメトリック内部パラメータを必要とせず、このシステムは単眼RGBだけから堅牢なエージェント間制約と全体的にメトリック一貫性のあるマップを生成します。 Tanks and TemplatesおよびWaymoシーケンスの評価では、CoMo3R-SLAMはTanks and Templesの4つのシーン中3つで最高のAbsolute Trajectory Error（ATE）を達成し、Waymoの精度においても競争力のある結果を示しています。最先端のRGB-D手法と同等かそれ以上の性能を発揮しながら、毎秒8フレームのオンライン処理速度を実現する画期的なシステムです。