持久机器人地图中基础模型证据与几何感知之间的置信一致性

自主机器人使用的持久地图越来越多地融合了几何感知堆栈，其断言通过基础模型通道得到了很好的表征，该通道产生语义声明，而无需对同一场景进行校准可靠性。现代地图系统通过将基础模型通道视为每个元素后验的附加投票者来集成这两个通道，其自身的每类可靠性未经校准，并且当两个通道在给定时刻相互矛盾时没有机制进行标记。我们提出了一个具有两种协作机制的更新运算符：每个类校准的提交门，以及每个事件的冲突删除窗口，该窗口拒绝提交与声明时的几何通道相矛盾的基础模型声明。我们使用预言机几何通道（全景 真值）和现成的在线语义分割器（Mask2Former）对 KITTI-360 和 ScanNet 进行评估，以展示真实世界的性能。该操作员生成的提交地图要准确得多（KITTI 的汽车提交精度为 99.7%，而仅校准操作员为 43.9%；平均每类 IoU 为 0.522，与 0.180），比整体组合 VLM 提示以更高的精度保留更多的组合真阳性。该框架在预言机和现成的分段器几何通道中以部署质量运行，并且在基础模型替换下保持不变。