室内環境を移動するロボットやエージェントにとって、空間の正確な理解は極めて重要です。占有メモリ技術は、占有領域、観測された自由空間、未知領域、そしてオブジェクトセマンティクスを同時に表現することで、構造化された空間記憶を提供します。しかし既存の室内占有ベンチマークやアルゴリズムは、単一視点での予測やルームレベルのオンライン認識に主に焦点を当てており、複数の接続した室内空間にわたる長期的なセマンティックマッピングはほとんど未開拓のままでした。 この研究では、HIOccという階層的室内占有ベンチマークが導入されています。ScanNet、ScanNet++、Matterport3Dを統一された疎なセマンティック占有フォーマットの下に統合しながら、パースペクティブなRGB-Dフレームやパノラマ中心の観測グループなど、各データセットの固有の観測幾何学を保存しています。HIOccは、ローカルセマンティック占有予測、ルームレベルのオンライン占有マッピング、接続されたパノラマ環境全体に渡るビルディングレベルのマッピングという3つの相補的な評価体制をサポートしています。 さらに研究チームはGEM-Occ、すなわちガウシアン証拠メモリフレームワークを提案しています。このフレームワークは、ポイントマップを永続的なマップ状態として使用するのではなく、ローカルな視覚的幾何予測を一時的な証拠として扱い、これらをセマンティックガウシアン占有証拠と自由空間レイ証拠に変換してから、可視性と不確実性を考慮したメモリ更新を通じて永続的な階層的メモリに統合します。メモリはローカルキャッシュ、ルームレベルのサブマップ、およびビルディングレベルのグラフに構成され、ガウシアンから占有へのスプラッティングを通じていつでも照会できます。 HIOccにおける実験結果から、GEM-Occは既存の室内占有およびガウシアンベースのマッピング手法と比較して、ローカル占有予測、オンラインマップ安定性、自由空間推論、再訪問一貫性、およびビルディングレベルのスケーラビリティのすべてにおいて改善を示しました。