論文の概要: VILENS: Visual, Inertial, Lidar, and Leg Odometry for All-Terrain Legged Robots

• arxiv url: http://arxiv.org/abs/2107.07243v1
• Date: Thu, 15 Jul 2021 11:05:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-07-16 13:51:55.741428
• Title: VILENS: Visual, Inertial, Lidar, and Leg Odometry for All-Terrain Legged Robots
• Title（参考訳）: VILENS:オールテランの足ロボットのための視覚、慣性、ライダー、脚のオドメトリー
• Abstract要約: 本稿では,因子グラフに基づく脚型ロボットのオドメトリーシステムであるVILENSを提案する。 重要な新規性は、信頼性の高い動作を実現するために、4つの異なるセンサーモードの密接な融合である。 最先端の疎結合アプローチと比較して, 平均62%の翻訳誤差と51%の回転誤差が改善した。
• 参考スコア（独自算出の注目度）: 3.867363075280544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present VILENS (Visual Inertial Lidar Legged Navigation System), an odometry system for legged robots based on factor graphs. The key novelty is the tight fusion of four different sensor modalities to achieve reliable operation when the individual sensors would otherwise produce degenerate estimation. To minimize leg odometry drift, we extend the robot's state with a linear velocity bias term which is estimated online. This bias is only observable because of the tight fusion of this preintegrated velocity factor with vision, lidar, and IMU factors. Extensive experimental validation on the ANYmal quadruped robots is presented, for a total duration of 2 h and 1.8 km traveled. The experiments involved dynamic locomotion over loose rocks, slopes, and mud; these included perceptual challenges, such as dark and dusty underground caverns or open, feature-deprived areas, as well as mobility challenges such as slipping and terrain deformation. We show an average improvement of 62% translational and 51% rotational errors compared to a state-of-the-art loosely coupled approach. To demonstrate its robustness, VILENS was also integrated with a perceptive controller and a local path planner.
• Abstract（参考訳）: 本稿では,因子グラフに基づく脚ロボット用オドメトリシステムである vilens (visual inertial lidar legged navigation system) を提案する。 重要な新機能は、4つの異なるセンサーモードの密接な融合で、個々のセンサーが縮退推定を生成するとき、信頼性の高い動作を実現することである。 脚のドリフトを最小限に抑えるため,オンラインで推定される線形速度バイアス項でロボットの状態を拡張する。 このバイアスは、視力、ライダー、IMU因子と事前積分された速度係数が密接な融合によってのみ観測可能である。 ANYmal四足歩行ロボットの大規模な実験検証を行い、総走行時間は2時間1.8kmである。 実験では、緩い岩、斜面、泥の上を動的に移動し、暗くほこりだらけの地下洞穴や、開き放たれた特徴が欠落した地域などの知覚的課題や、すべりや変形などの移動性課題が含まれていた。 最先端の疎結合アプローチと比較して, 平均62%の翻訳誤差と51%の回転誤差が改善した。 その堅牢性を示すため、VILENSはパーセプティブコントローラとローカルパスプランナーとも統合された。

関連論文リスト

• Learning Locomotion on Discrete Terrain via Minimal Proximity Sensing [4.74006823972475]
  学習に基づく制御は動的移動に革命をもたらしたが、非構造的な地形を航行することは、ロボットが差し迫った接地に対する不完全な認識によって制限されている。 この研究は、低コストで高周波の赤外線近接センサーを四足歩行ロボットの足に直接埋め込む最小限の方法を探究する。 これらのセンサーは、自己閉塞に対して堅牢で、従来のビジョンベースのパイプラインよりも計算負荷が大幅に少ない「事前接触」フィードバックを提供する。
  論文  参考訳（メタデータ） (2026-06-30T16:16:37Z)
• SlipSense: Multimodal Sensing for Online Slip Detection in Legged Robots [0.8411385346896411]
  SlipSenseは、四足歩行でスリップを検出するためのカスタムの軽量センサー付きフットを使用して、オンライン力に基づくスリップ検出のための新しいフレームワークである。 このフレームワークは、マルチモーダルセンサ設計とLSTMモデルを統合し、地上反応力を推定し、移動中のすべりの異常を検出する。 本手法は, 初期すべりを平均変位24.1 +/-6.4mm, 総合精度85.9%まで検出する。
  論文  参考訳（メタデータ） (2026-06-23T09:40:36Z)
• Online Learning of Robust Legged Odometry with Minimal Exteroceptive Supervision [7.541859903866144]
  工業的にパッケージされた外部受動的センサーは正確なモーショントラッキングを提供することができるが、知覚的に劣化した状況に弱いままである。 プラグアンドプレイで頑健な脚型オドメトリーシステムを開発し,外受容・プロプリセプティブ・キャリブレーションやシステムキネマティック・モデリングの必要性を排除した。 プラットフォームに依存しない、容易にデプロイ可能なアプローチを、異なる4つのプラットフォームに示す。
  論文  参考訳（メタデータ） (2026-06-19T18:20:55Z)
• Sensor Configuration Matters: A Systematic Evaluation of Multimodal SLAM on Quadruped Robots [15.924751226144979]
  本稿では,最先端のビジュアル,ビジュアル・慣性,LiDAR・ビジュアル・慣性SLAM手法の体系的評価について述べる。 我々は、カメラのモダリティ、シャッター技術、慣性センサー層の影響を定量化し、ローカライゼーション精度、アルゴリズムの堅牢性、計算資源利用のトレードオフを分析する。
  論文  参考訳（メタデータ） (2026-06-17T13:41:07Z)
• Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
  本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。 モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。 ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
  論文  参考訳（メタデータ） (2026-03-02T17:46:38Z)
• RPL: Learning Robust Humanoid Perceptive Locomotion on Challenging Terrains [53.674116167774095]
  本研究では,挑戦的な地形上での多方向移動を可能にする2段階トレーニングフレームワークを提案する。 RPLは、高度マップの観察を特権化した専門家のポリシーを訓練し、分離された移動と操作のスキルを習得する。 次に、複数の深度カメラを活用して広い視野をカバーできるトランスフォーマーポリシーを作成します。 スケーラブルな深度蒸留のために、動的ロボットメッシュと静的な地形メッシュの両方に対してレイキャストを行う効率的なマルチ深度システムを開発した。
  論文  参考訳（メタデータ） (2026-02-03T02:17:08Z)
• A2VISR: An Active and Adaptive Ground-Aerial Localization System Using Visual Inertial and Single-Range Fusion [17.59898575353575]
  これは、地上と航空の協調システムを用いて、散在した環境下での飛行ロボットのロケライズロバスト性を高めるための実践的なアプローチである。 我々は、アクティブビジョン、単一配列、慣性計測、光学フローを統合した地上局地化フレームワークをより包括的に改善する。 提案手法は、平均根平均平方誤差が約0.09mであり、損失とセンサ故障を捕捉するためのレジリエンスを維持しながら、ロバストなオンラインローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2025-12-18T10:07:06Z)
• Gait-Adaptive Perceptive Humanoid Locomotion with Real-Time Under-Base Terrain Reconstruction [86.53248703859718]
  本研究では,地形認識,歩行制御,全身制御を一つの強化学習ポリシーにマージする知覚的移動フレームワークを提案する。 31-DoF、1.65mのヒューマノイドロボットによる実験は、シミュレーションと実世界の両方で堅牢な移動を実証している。
  論文  参考訳（メタデータ） (2025-12-08T11:42:41Z)
• X-IONet: Cross-Platform Inertial Odometry Network with Dual-Stage Attention [6.545488752368577]
  X-IONetは、単一の慣性測定ユニット(IMU)のみを使用して動作するクロスプラットフォームの慣性計測フレームワークである。 ルールベースの専門家選択モジュールを組み込んで、モーションプラットフォームを分類し、IMUシーケンスをプラットフォーム固有の専門家ネットワークにルーティングする。 X-IONetは最先端のパフォーマンスを実現し、絶対軌道誤差(ATE)を14.3%減らし、相対軌道誤差(RTE)を11.4%減らした。
  論文  参考訳（メタデータ） (2025-11-11T14:06:52Z)
• Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors [41.45395153490076]
  本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。 提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。 我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
  論文  参考訳（メタデータ） (2025-04-03T09:57:51Z)
• Hybrid Internal Model: Learning Agile Legged Locomotion with Simulated Robot Response [25.52492911765911]
  ロボットの応答に応じて外部状態を推定するためにハイブリッド内部モデルを導入する。 この応答は、ハイブリッドな内部埋め込みと呼ばれ、ロボットの明示的な速度と暗黙的な安定性の表現を含んでいる。 実世界の多くの実験が、トレーニングプロセス中に一度も起こらなかった、高度に分散したタスクやケースにおいても、その俊敏性を示している。
  論文  参考訳（メタデータ） (2023-12-18T18:59:06Z)
• Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water Boundary Exploration [8.555466536537292]
  ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。 画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。 提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
  論文  参考訳（メタデータ） (2023-03-29T20:16:39Z)
• Exploring Contextual Representation and Multi-Modality for End-to-End Autonomous Driving [58.879758550901364]
  最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。 我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。 提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
  論文  参考訳（メタデータ） (2022-10-13T05:56:20Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Visual-tactile sensing for Real-time liquid Volume Estimation in Grasping [58.50342759993186]
  変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。 我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。 ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
  論文  参考訳（メタデータ） (2022-02-23T13:38:31Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• Unified Multi-Modal Landmark Tracking for Tightly Coupled Lidar-Visual-Inertial Odometry [5.131684964386192]
  視覚,ライダー,慣性情報を協調的に最適化するモバイルプラットフォームのための効率的なマルチセンサ・オドメトリーシステムを提案する。 ライダー点雲から3次元線と平面原始体を抽出する新しい手法を提案する。 システムは、脚のあるロボットによる地下探査や、動的に動くハンドヘルドデバイスによる屋外スキャンなど、さまざまなプラットフォームやシナリオでテストされてきた。
  論文  参考訳（メタデータ） (2020-11-13T09:54:03Z)
• PRGFlow: Benchmarking SWAP-Aware Unified Deep Visual Inertial Odometry [14.077054191270213]
  視覚的翻訳推定のための深層学習手法を提案し、6DoF odometry 推定のための慣性センサでゆるやかに融合する。 我々は,MSCOCOデータセット上でネットワークを評価し,複数の実飛行軌道上でのVI融合を評価する。
  論文  参考訳（メタデータ） (2020-06-11T19:12:54Z)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)
• mmFall: Fall Detection using 4D MmWave Radar and a Hybrid Variational RNN AutoEncoder [0.4588028371034407]
  mmFallは、人体の点雲と体中心波を収集する、新興ミリ波(mmWave)レーダーセンサーである。 異常レベルのスパイクとセントロイド高さの低下が同時に起こると、転倒が起こったと主張されている。 レーダデータのランダム性を克服するために、提案されたVRAEは、従来の決定論的アプローチではなく、確率論的アプローチである変分推論を使用する。
  論文  参考訳（メタデータ） (2020-03-05T00:37:21Z)

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。