Fusion RGB-D guidée par la fiabilité pour des cartes de coûts de navigation résistantes à l'éblouissement

Une équipe de recherche décrit, dans la version 2 d'un article publié sur arXiv sous la référence 2604.12753, une méthode de fusion RGB-D résistante aux reflets spéculaires sur les sols brillants, les vitres et les surfaces glacées en intérieur, un phénomène qui corrompt les caméras à stéréo active et fait apparaître des obstacles fantômes dans les cartes de coûts de navigation. Un réseau léger baptisé DRM-Net prédit, pixel par pixel, la fiabilité de la mesure de profondeur; une fusion guidée par cette fiabilité (RGF) applique une pondération continue et un seuil minimal avant intégration dans la carte d'occupation, de sorte qu'une mesure rejetée ne crée ni obstacle ni espace libre et que la cellule reste inconnue ou conserve sa valeur antérieure. L'entraînement s'appuie sur cinq images alignées en pose via des localisations LiDAR/AMCL indépendantes et un modèle d'incertitude calibré selon la distance. Comparée à un nvblox TSDF optimisé, au post-traitement du SDK RealSense d'Intel, à un filtrage à seuil de confiance stéréo élevé et aux réseaux TDCNet et HDCNet, la méthode DRM+RGF atteint, sous reflets sévères, un taux de fausses détections d'obstacles de 0,056, un rappel d'espace libre de 0,897, un temps de traitement de 16,5 ms par image et 91,4% de réussite de tâche; sur les essais en scènes réfléchissantes retenus (98 pour la référence contre 105 pour DRM+RGF), les collisions chutent de 14 à 1.

Pour les intégrateurs de robots mobiles autonomes en entrepôt, hôpital ou usine, ce travail cible un défaut opérationnel bien réel: sols cirés et parois vitrées provoquent soit des arrêts intempestifs, soit des collisions lorsque les mesures douteuses sont ignorées sans discernement. En laissant les cellules incertaines dans un état inconnu plutôt que de trancher, la méthode évite le compromis binaire habituel entre filtrage agressif, qui supprime aussi de vrais obstacles, et complétion dense par apprentissage, qui peut inventer de la géométrie. Les auteurs restent toutefois mesurés: les résultats proviennent d'essais contrôlés portant sur une centaine de passages chacun, et l'article ne revendique ni produit commercial ni déploiement en flotte réelle.

Le brouillage des caméras de profondeur à stéréo active par les reflets spéculaires est un problème connu de longue date en cartographie robotique, où les réponses existantes se limitaient jusqu'ici au filtrage strict des mesures peu fiables ou à la complétion par réseau de neurones. En confrontant DRM-Net et RGF à des références largement utilisées, comme nvblox et le SDK RealSense, ainsi qu'à des réseaux de complétion récents comme TDCNet et HDCNet, l'étude vise une comparaison directe plutôt qu'une simple démonstration isolée. Publié en version révisée sur arXiv, sans partenaire industriel ni feuille de route annoncée, l'article laisse en suspens la validation à plus grande échelle, sur des plateformes robotiques variées et en conditions réelles de terrain.