FOCUS: Fine-Grained Open-Vocabulary Change Detection for Uncertainty-Aware Semi-Static Scenes
作者: Can Xu, Mingfeng Yuan, Mahan Mohammadi, Steven L. Waslander
分类: cs.RO
发布日期: 2026-10-05
💡 一句话要点
提出FOCUS框架以解决半静态场景中的对象级变化检测问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 对象级变化检测 半静态场景 不确定性意识 概率推理 3D高斯地图 环境记忆维护 自主机器人 智能监控
📋 核心要点
- 现有方法在半静态环境中难以检测几何和语义上相似的物体替换，导致环境记忆更新不准确。
- FOCUS框架通过概率推理融合几何和外观信息，采用递归三状态估计器来判断物体的状态变化。
- 在Isaac Sim仓库基准和TorWIC数据集上，FOCUS显著提升了对象级替换F1，从0.20提高到0.84，表现出良好的迁移能力。
📝 摘要（中文）
自主机器人在长时间运行中必须保持环境记忆的更新，因为世界在访问之间会发生变化。在半静态环境中，物体可能被几何和语义上相似的不同实例替换，这使得仅通过几何或粗略语义来检测身份变化变得困难。本文提出FOCUS，一个关注不确定性的框架，用于对象级变化检测和地图维护。我们将半静态记忆维护形式化为概率推理，融合几何可能性与从3D高斯地图渲染的外观可能性。递归三状态估计器维护每个映射对象的状态：持续、替换或移除。为了考虑不完美的3DGS渲染，我们以概率方式建模渲染的外观证据，而不是将其作为直接变化评分，模型参数通过无变化的初始映射会话的重放自动校准。我们在新的Isaac Sim仓库基准和真实世界的TorWIC数据集上评估了我们的方法，显著提高了对象级替换F1从0.20提升至0.84，并且无需手动参数调整即可迁移到真实数据。
🔬 方法详解
问题定义：本文旨在解决半静态场景中对象级变化检测的挑战，现有方法在处理几何和语义相似的物体替换时存在不足，导致无法准确更新环境记忆。
核心思路：FOCUS框架通过将半静态记忆维护视为概率推理，结合几何可能性与外观可能性，提供了一种不确定性意识的解决方案。递归三状态估计器用于判断每个对象的状态，确保对变化的准确检测。
技术框架：FOCUS的整体架构包括三个主要模块：几何可能性计算、外观可能性渲染和递归状态估计。首先，通过3D高斯地图计算几何信息，然后渲染外观证据，最后使用递归估计器判断对象的状态。
关键创新：FOCUS的主要创新在于将外观证据以概率方式建模，而不是直接作为变化评分，这一设计使得模型能够更好地处理不完美的渲染结果，提升了变化检测的准确性。
关键设计：模型参数通过无变化的初始映射会话的重放进行自动校准，确保了外观证据的可靠性。此外，递归三状态估计器的设计使得系统能够动态更新对象状态，适应环境变化。
🖼️ 关键图片
📊 实验亮点
FOCUS在新的Isaac Sim仓库基准上显著提升了对象级替换F1，从0.20提高到0.84，相较于概率基线表现出更强的检测能力。此外，该方法能够无缝迁移到真实世界的TorWIC数据集，且无需手动参数调整，展示了良好的实用性。
🎯 应用场景
FOCUS框架在自主机器人、智能监控和环境建模等领域具有广泛的应用潜力。通过提高对象级变化检测的准确性，FOCUS能够帮助机器人更好地理解和适应动态环境，从而提升其自主决策能力和任务执行效率。未来，该方法还可以扩展到更复杂的场景和多模态数据融合中。
📄 摘要（原文）
Autonomous robots operating over long periods must keep their environmental memory up to date as the world changes between visits. In semi-static environments, an object may be replaced in place by a different but geometrically and semantically similar instance, making the identity change difficult to detect from geometry or coarse semantics alone. We present FOCUS, an uncertainty-aware framework for object-level change detection and map maintenance. We formulate semi-static memory maintenance as probabilistic inference that fuses geometric likelihood with appearance likelihood rendered from a 3D Gaussian map. A recursive three-state estimator maintains whether each mapped object is PERSISTED, REPLACED, or REMOVED. To account for imperfect 3DGS rendering, we model the rendered appearance evidence probabilistically rather than using it as a direct change score, with the model parameters automatically calibrated from a change-free replay of the initial mapping session. We evaluate our method on a new Isaac Sim warehouse benchmark with ambiguous in-place replacements and on the real-world TorWIC dataset. It improves object-level replacement F1 from 0.20 to 0.84 over a probabilistic baseline and transfers to real-world data without manual parameter retuning.