Robust and Compact Map Representations for Vision-Based Navigation with Spatial Consistency = 비전 기반 네비게이션을 위한 강인하고 효율적인 지도 표현 방식과 공간적 일관성을 활용한 접근법

다국어 초록 (Multilingual Abstract)

Reliable and efficient navigation in complex and dynamic environments remains a core challenge in robotics.
Central to this challenge is the need for robust, compact, and spatially consistent scene representations that enable embodied agents to localize, explore, and adapt to diverse conditions.
This dissertation introduces a suite of scalable and adaptive mapping approaches that support long-term, vision-based navigation.
By addressing domain adaptation, multi-agent exploration, and cross-modal scene understanding, the proposed representations provide a unified foundation for building generalizable and context-aware navigation systems in visually and structurally diverse environments.

To this end, the dissertation proposes map-centric methods that span multiple spatial levels, from low-level grid maps to high-level graphs, and integrate data from diverse modalities.
These methods address key challenges such as domain generalization, structural consistency, multi-agent coordination, and long-term adaptability.
Together, they form a cohesive framework for building spatial representations that are robust, scalable, and transferable across domains, agents, and time.

To support robust and scalable navigation, this dissertation introduces three key contributions.
First, it proposes a self-supervised adaptation method that handles domain shifts by enforcing structural consistency in grid maps.
This method combines a consistency loss to stabilize mapping under noisy poses with a style-transfer refinement that denoises maps,
and uses a curriculum learning strategy to correct visual and pose noise through multi-scale spatial reasoning.
Second, it presents a decentralized multi-agent exploration framework, where agents coordinate via similarity score maps—spatial representations quantifying visual novelty relative to others’ observations.
By exchanging local topological graphs and identifying dissimilar frontiers, agents explore efficiently without pose sharing or global map fusion.
Finally, it introduces a hybrid region-based map representation that segments the environment into regions, each storing metric, visual, and 3D information.
This modular graph structure enables multi-scale reasoning, cross-session alignment, and persistent mapping across heterogeneous sensors, supporting flexible and generalizable navigation in dynamic environments.

Collectively, this dissertation presents a unified set of methods for constructing adaptive, robust, and scalable map representations to support vision-based navigation.
These contributions address core challenges in domain adaptation, multi-agent collaboration, and hybrid spatial reasoning, advancing the autonomy, generalization, and long-term reliability of embodied agents in complex, real-world settings.

국문 초록 (Abstract)

복잡하고 변화가 많은 환경에서 신뢰성 있고 효율적인 내비게이션을 구현하는 것은 로보틱스 분야의 핵심 과제 중 하나이다.
이러한 과제를 해결하려면, 에이전트가 다양한 환경 조건에서도 안정적으로 위치를 파악하고 공간을 탐색하며 변화에 적응할 수 있어야 한다.
이를 위해서는 강인하고 압축적이며 공간적으로 일관된 장면 표현이 필수적이다.
본 논문에서는 장기적인 시각 기반 내비게이션을 지원하기 위한 확장 가능하고 적응력 있는 장면 표현 방법들을 제안한다.
제안된 표현 방식은 도메인 적응, 다중 에이전트 탐사, 다중 모달(Cross-modal) 장면 이해와 같은 핵심 문제를 해결함으로써, 시각적·동적 다양성이 존재하는 환경에서도 일반화 가능하고 상황 인식이 가능한 내비게이션 시스템을 제안한다.

이를 위해 본 논문은 저수준의 픽셀 기반 지도부터 고수준의 그래프 구조에 이르기까지 다양한 공간 추상 수준에서 작동하는 지도 중심의 방법들을 제안하고, 서로 다른 센서로부터 얻은 정보를 통합한다. 제안된 연구는 도메인 일반화, 구조적 정합성, 다중 에이전트 협력, 장기적인 적응성과 같은 주요 문제를 해결한다. 이를 통해 환경(domain), 에이전트(agent), 시간(time)의 축을 넘나들며 전이 가능하고, 강인하며 확장성 있는 공간 표현을 구성하고 유지할 수 있는 통합 프레임워크를 구축한다.

본 논문은 강인하고 확장 가능한 내비게이션을 지원하기 위해 세 가지 핵심 기여를 제시한다.
첫째, 그리드 지도 상의 구조 정합성을 강화하며 도메인 변화에 대응하는 자기지도 학습 기반 적응 방법을 제안한다.
이 방법은 부정확한 위치 정보가 주어지는 환경에서도 구조 정합성을 유지하는 손실 함수와, 스타일 전이 기반의 지도 정제 과정을 결합한다.
또한, 커리큘럼 학습 전략을 통해 시각 및 위치 정보의 노이즈를 점진적으로 보정하며, 다중 스케일 공간 추론을 가능하게 한다.
둘째, 에이전트 간 시각 정보의 유사도를 기반으로 생성된 유사도 점수 맵을 활용하여 협업하는, 분산형 다중 에이전트 탐사 프레임워크를 제안한다.
각 에이전트는 시각 정보를 포함한 로컬 토폴로지 그래프를 주기적으로 교환하고, 이를 바탕으로 시각적으로 덜 유사한 프론티어를 식별하여, 위치 정보 공유나 전역 지도 병합 없이도 효율적인 탐사를 수행한다.
셋째, 환경을 지역 단위로 분할하고, 각 지역에 그리드 지도, 시각적 키프레임, 3차원 포인트 클라우드 등의 정보를 저장하는 지역 기반 하이브리드 지도 표현을 제안한다.
이 모듈형 그래프 구조는 다중 스케일 추론, 세션 간 정합, 이질적 센서 간의 지속적인 지도 통합을 가능하게 하며, 변화하는 환경에서도 유연하고 일반화 가능한 내비게이션을 지원한다.

이와 같이, 본 논문은 시각 기반 내비게이션을 지원하기 위한 적응 가능하고 강인하며 확장성 있는 지도 표현을 구축하는 일관된 방법론들을 제시한다. 제안된 방법들은 도메인 적응, 다중 에이전트 협력, 하이브리드 공간 추론이라는 핵심 과제를 해결하며, 복잡한 실제 환경에서의 에이전트 자율성, 일반화 능력, 장기적인 신뢰성을 향상시키는 데 기여한다.

목차 (Table of Contents)

• 1 Introduction 16
• 2 Foundations and Related Work in Spatial Representations for Vision-Based Navigation 22
• 3 Self-Supervised Domain Adaptation via Spatial Consistency 41
• 4 Map-Level Domain Adaptation via Structural Style Transfer 63
• 5 Pose-Free Multi-Agent Coordination via Similarity-Aware Topological Maps 87
• 6 Hybrid Map Representations for Cross-Session Navigation and Multimodal Reasoning 107
• 7 Conclusion 121