MIT-SPARK/Khronos

解決的問題

Khronos 解決了在動態環境中進行同時定位與地圖建構（SLAM）的挑戰，其中既包含短期運動（如人行走）也包含長期變化（如家具移動）。傳統 SLAM 往往難以區分暫時動態與環境的永久性變化。

工作原理

Khronos 採用統一的時空方法，維護場景的「4D 地圖」。它執行度量-語義 SLAM，以追蹤機器人的位置，同時對物體進行分割和追蹤。透過跨時間推理場景狀態，當機器人重新訪問區域並閉合迴路時，系統能夠檢測到物體是暫時移動，還是發生了永久性變化（例如，椅子被從房間移除）。

適用對象

本專案專為從事自主導航、場景重建和時空人工智慧研究的機器人研究人員和工程師設計，適用於隨時間變化的環境。

主要亮點

• 時空推理：同時處理短期動態（如人類行為）和長期環境變化。
• 度量-語義映射：結合幾何映射與語義物體檢測和分割。
• 開放集分割：支援開放集語義推理，使系統能夠識別初始訓練中未見過的物體。
• 4D 可視化：包含一個可視化工具，可回放不同時間戳下的場景狀態，展示機器人對環境理解的演化過程。