MIT-SPARK/Khronos

解决的问题

Khronos 解决了在动态环境中进行同时定位与地图构建（SLAM）的挑战，其中既包含短期运动（如人行走）也包含长期变化（如家具移动）。传统 SLAM 往往难以区分临时动态与环境的永久性变化。

工作原理

Khronos 采用统一的时空方法，维护场景的「4D 地图」。它执行度量-语义 SLAM，以追踪机器人的位置，同时对物体进行分割和追踪。通过跨时间推理场景状态，当机器人重新访问区域并闭合回路时，系统能够检测到物体是暂时移动，还是发生了永久性变化（例如，椅子被从房间移除）。

适用人群

本项目专为从事自主导航、场景重建和时空人工智能研究的机器人研究人员和工程师设计，适用于随时间变化的环境。

主要亮点

• 时空推理：同时处理短期动态（如人类行为）和长期环境变化。
• 度量-语义映射：结合几何映射与语义物体检测和分割。
• 开放集分割：支持开放集语义推理，使系统能够识别初始训练中未见过的物体。
• 4D 可视化：包含一个可视化工具，可回放不同时间戳下的场景状态，展示机器人对环境理解的演化过程。