論文の概要: Collaborative Visual Inertial SLAM for Multiple Smart Phones
- arxiv url: http://arxiv.org/abs/2106.12186v1
- Date: Wed, 23 Jun 2021 06:24:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-24 15:14:46.751605
- Title: Collaborative Visual Inertial SLAM for Multiple Smart Phones
- Title（参考訳）: 複数のスマートフォンのための協調的視覚慣性SLAM
- Authors: Jialing Liu, Ruyu Liu, Kaiqi Chen, Jianhua Zhang, Dongyan Guo
- Abstract要約: マルチエージェント協調SLAMはマルチユーザARインタラクションの前提条件である。
我々は,集中型アーキテクチャを持つ複数のiosモバイルデバイスにデプロイされた協調的な単眼的視覚慣性SLAMを提案する。
提案方式のマッピングと融合の精度は,より高い計算資源を必要とするVINS-Monoに匹敵する。
- 参考スコア（独自算出の注目度）: 2.680317409645303
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The efficiency and accuracy of mapping are crucial in a large scene and
long-term AR applications. Multi-agent cooperative SLAM is the precondition of
multi-user AR interaction. The cooperation of multiple smart phones has the
potential to improve efficiency and robustness of task completion and can
complete tasks that a single agent cannot do. However, it depends on robust
communication, efficient location detection, robust mapping, and efficient
information sharing among agents. We propose a multi-intelligence collaborative
monocular visual-inertial SLAM deployed on multiple ios mobile devices with a
centralized architecture. Each agent can independently explore the environment,
run a visual-inertial odometry module online, and then send all the measurement
information to a central server with higher computing resources. The server
manages all the information received, detects overlapping areas, merges and
optimizes the map, and shares information with the agents when needed. We have
verified the performance of the system in public datasets and real
environments. The accuracy of mapping and fusion of the proposed system is
comparable to VINS-Mono which requires higher computing resources.
- Abstract（参考訳）: マッピングの効率性と正確性は、大規模なシーンと長期的なarアプリケーションにおいて極めて重要です。
マルチエージェント協調SLAMはマルチユーザARインタラクションの前提条件である。
複数のスマートフォンの連携により、タスク完了の効率性と堅牢性が向上し、単一のエージェントができないタスクを完了することができる。
しかし、堅牢な通信、効率的な位置検出、ロバストマッピング、エージェント間の効率的な情報共有に依存している。
マルチインテリジェンス・コラボレーティブな単眼視覚-慣性SLAMを,集中型アーキテクチャで複数のiosモバイルデバイスにデプロイする。
各エージェントは独立して環境を探索し、視覚的慣性オドメトリーモジュールをオンラインで実行し、高いコンピューティングリソースを持つ中央サーバにすべての計測情報を送信することができる。
サーバは受信したすべての情報を管理し、重複領域を検出し、地図をマージして最適化し、必要に応じてエージェントと情報を共有する。
我々は,公開データセットと実環境におけるシステムの性能を検証した。
提案システムのマッピングと融合の精度は,より高い計算資源を必要とするVINS-Monoに匹敵する。
関連論文リスト
- Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。
本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
論文 参考訳（メタデータ） (2024-11-01T05:56:51Z) - SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation [89.24729958546168]
We present SPA-Bench, a comprehensive SmartPhone Agent Benchmark designed to evaluate (M)LLM-based agent。
SPA-Benchは3つの重要なコントリビューションを提供している。 英語と中国語の両方で、システムとサードパーティアプリをカバーする多様なタスクセットで、日々のルーチンで一般的に使用される機能に焦点を当てている。
複数の次元にまたがってエージェントのパフォーマンスを自動的に評価する新しい評価パイプラインは、タスク完了とリソース消費に関連する7つの指標を含んでいる。
論文 参考訳（メタデータ） (2024-10-19T17:28:48Z) - CAMPHOR: Collaborative Agents for Multi-input Planning and High-Order Reasoning On Device [2.4100803794273005]
本稿では、複数のユーザ入力を処理し、個人的コンテキストを局所的に理性的に扱うように設計された、オンデバイス・スモールランゲージ・モデル(SLM)フレームワークを提案する。
CAMPHORは階層的アーキテクチャを採用しており、高階推論エージェントは複雑なタスクを分解し、個人のコンテキスト検索、ツールインタラクション、動的プラン生成に責任を持つ専門家エージェントを調整する。
エージェント間でパラメータ共有を実装し、即時圧縮を活用することにより、モデルサイズ、レイテンシ、メモリ使用量を大幅に削減する。
論文 参考訳（メタデータ） (2024-10-12T07:28:10Z) - Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。
エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。
その結果,本手法は現在の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2024-08-21T03:31:30Z) - Decentralized and Lifelong-Adaptive Multi-Agent Collaborative Learning [57.652899266553035]
分散型および生涯適応型多エージェント協調学習は、中央サーバを使わずに複数のエージェント間のコラボレーションを強化することを目的としている。
動的協調グラフを用いた分散マルチエージェント生涯協調学習アルゴリズムであるDeLAMAを提案する。
論文 参考訳（メタデータ） (2024-03-11T09:21:11Z) - Asynchronous Local Computations in Distributed Bayesian Learning [8.516532665507835]
本稿では,高速な計算と通信オーバヘッドを同時に低減するために,ゴシップに基づく通信を提案する。
我々は、特に低データ範囲において、より高速な初期収束と性能精度の向上を観察する。
UCI MLレポジトリのガンマ望遠鏡とmHealthデータセットで,それぞれ平均78%,90%以上の分類精度を達成した。
論文 参考訳（メタデータ） (2023-11-06T20:11:41Z) - Efficient Fully Distributed Federated Learning with Adaptive Local Links [1.8416014644193066]
中央サーバを必要としない完全分散拡散型学習アルゴリズムを提案する。
MNISTデータセットに分類タスクを適用することにより,提案アルゴリズムの有効性を示す。
論文 参考訳（メタデータ） (2022-03-23T09:03:54Z) - COVINS: Visual-Inertial SLAM for Centralized Collaboration [11.65456841016608]
協調的SLAMは、エージェントのグループが同時に環境を局所化し、共同でマッピングすることを可能にする。
本稿では,大規模環境においてマルチエージェントでスケーラブルなSLAMを実現する,新しい協調SLAMシステムであるCOVINSについて述べる。
論文 参考訳（メタデータ） (2021-08-12T13:50:44Z) - Collaborative Visual Navigation [69.20264563368762]
マルチエージェント視覚ナビゲーション(MAVN)のための大規模3次元データセットCollaVNを提案する。
様々なMAVN変種を探索し、この問題をより一般化する。
メモリ拡張通信フレームワークを提案する。各エージェントには、通信情報を永続的に保存するプライベートな外部メモリが備わっている。
論文 参考訳（メタデータ） (2021-07-02T15:48:16Z) - Dif-MAML: Decentralized Multi-Agent Meta-Learning [54.39661018886268]
我々は,MAML や Dif-MAML と呼ばれる協調型マルチエージェントメタ学習アルゴリズムを提案する。
提案手法により, エージェントの集合が線形速度で合意に達し, 集約MAMLの定常点に収束できることを示す。
シミュレーションの結果は従来の非協調的な環境と比較して理論的な結果と優れた性能を示している。
論文 参考訳（メタデータ） (2020-10-06T16:51:09Z) - A Visual Communication Map for Multi-Agent Deep Reinforcement Learning [7.003240657279981]
マルチエージェント学習は、隠蔽された通信媒体を割り当てる上で大きな課題となる。
最近の研究は一般的に、エージェント間の通信を可能にするために、特殊なニューラルネットワークと強化学習を組み合わせる。
本稿では,多数のエージェントを扱うだけでなく,異種機能エージェント間の協調を可能にする,よりスケーラブルなアプローチを提案する。
論文 参考訳（メタデータ） (2020-02-27T02:38:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。