GLEAM：学习在复杂三维室内场景中主动建图的可泛化探索策略

在复杂未知环境中实现通用化的主动建图仍然是移动机器人面临的一个关键挑战。现有方法受到训练数据不足和探索策略保守的限制，在具有不同布局和复杂连通性的场景中泛化能力有限。为了实现可扩展的训练和可靠的评估，我们引入了 GLEAM-Bench，这是首个为通用化主动建图设计的大规模基准，包含来自合成数据集和真实扫描数据集的 1,152 个多样化的 3D 场景。在此基础上，我们提出了 GLEAM，一种用于主动建图的统一通用化探索策略。其卓越的通用性主要得益于我们的语义表示、长期可导航目标和随机化策略。在 128 个未曾见过的复杂场景中，它显著优于现有最先进的方法，以高效的轨迹和更高的建图精度实现了 66.50% 的覆盖率（提高了 +9.49%）。项目主页：https://xiao-chen.tech/gleam/。