論文の概要: OHM: GPU Based Occupancy Map Generation

• arxiv url: http://arxiv.org/abs/2206.06079v1
• Date: Tue, 26 Apr 2022 22:44:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-15 11:46:34.546462
• Title: OHM: GPU Based Occupancy Map Generation
• Title（参考訳）: OHM: GPUベースのOccupupancy Map生成
• Authors: Kazys Stepanas, Jason Williams, Emili Hern\'andez, Fabio Ruetz, Thomas Hines
• Abstract要約: OGM(Occupancy Grid Map)は、自律型ロボットナビゲーションのための多くのシステムに基本である。 本稿では,オープンソースGPUベースのOGMフレームワークであるOHMについて述べる。
• 参考スコア（独自算出の注目度）: 1.1604218595622566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Occupancy grid maps (OGMs) are fundamental to most systems for autonomous robotic navigation. However, CPU-based implementations struggle to keep up with data rates from modern 3D lidar sensors, and provide little capacity for modern extensions which maintain richer voxel representations. This paper presents OHM, our open source, GPU-based OGM framework. We show how the algorithms can be mapped to GPU resources, resolving difficulties with contention to obtain a successful implementation. The implementation supports many modern OGM algorithms including NDT-OM, NDT-TM, decay-rate and TSDF. A thorough performance evaluation is presented based on tracked and quadruped UGV platforms and UAVs, and data sets from both outdoor and subterranean environments. The results demonstrate excellent performance improvements both offline, and for online processing in embedded platforms. Finally, we describe how OHM was a key enabler for the UGV navigation solution for our entry in the DARPA Subterranean Challenge, which placed second at the Final Event.
• Abstract（参考訳）: 占有グリッドマップ(occupancy grid maps、ogms)は、ほとんどの自律型ロボットナビゲーションシステムの基本である。 しかし、CPUベースの実装は、現代の3Dライダーセンサーのデータレートに遅れず、よりリッチなボクセル表現を維持するモダンな拡張にはほとんど能力を提供しない。 本稿では,オープンソースGPUベースのOGMフレームワークであるOHMについて述べる。 アルゴリズムをgpuリソースにマッピングする方法を示し、実装を成功させるために競合の困難を解消する。 この実装は、NDT-OM、NDT-TM、減衰率、TSDFを含む多くの現代的なOGMアルゴリズムをサポートしている。 UGVプラットフォームとUAV、および屋外および地下環境のデータセットに基づいて、徹底的な性能評価を行う。 その結果、オフラインでも、組み込みプラットフォームでのオンライン処理でも優れたパフォーマンス改善が得られた。 最後に、OHMがDARPA Subterranean Challengeへの参入のためのUGVナビゲーションソリューションのキーイネーブラーであり、ファイナルイベントでは2位となったことを述べます。

関連論文リスト

• ManiSkill-HAB: A Benchmark for Low-Level Manipulation in Home Rearrangement Tasks [18.672482188560622]
  MS-HABは、低レベルの操作と家庭内オブジェクト再構成のための総合的なベンチマークである。 我々は,現実的な低レベル制御をサポートし,GPUメモリ使用時の従来のマジックグリップ実装の3倍以上の高速化を実現している。
  論文  参考訳（メタデータ） (2024-12-09T01:29:24Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
  我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。 次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。 その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Gradient Backpropagation based Feature Attribution to Enable Explainable-AI on the Edge [1.7338677787507768]
  そこで本研究では,勾配バックプロパゲーションに基づく特徴属性アルゴリズムのデータフローを解析し,推論に要するリソースのオーバーヘッドを推定する。 我々は,エッジデバイスを対象とした高レベル合成(HLS)に基づくFPGA設計を開発し,3つの特徴帰属アルゴリズムをサポートする。 提案手法は,最小限のオーバーヘッドで特徴属性をサポートするために推論アクセラレータを再利用し,エッジ上でのリアルタイムXAIを実現する経路を示す。
  論文  参考訳（メタデータ） (2022-10-19T22:58:59Z)
• End-to-End Object Detection with Fully Convolutional Network [71.56728221604158]
  エンドツーエンド検出を実現するために,分類のための予測対応ワン・ツー・ワン (POTO) ラベルの割り当てを導入する。 局所領域における畳み込みの判別性を向上させるために, 簡易な3次元maxフィルタ(3dmf)を提案する。 エンドツーエンドのフレームワークは,COCOおよびCrowdHumanデータセット上のNMSを用いて,最先端の多くの検出器と競合する性能を実現する。
  論文  参考訳（メタデータ） (2020-12-07T09:14:55Z)
• Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO [46.20949184826173]
  この研究は、既存のコンピュータビジョンアルゴリズムを改善するために、効率的な低レベルGPUハードウェア固有の命令の適用性に焦点を当てている。 特に、非マックス抑圧とその後の特徴選択は、全体的な画像処理遅延への顕著な寄与である。
  論文  参考訳（メタデータ） (2020-03-30T14:16:23Z)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)
• Hardware Architecture Proposal for TEDA algorithm to Data Streaming Anomaly Detection [1.4072064932290225]
  本論文では、FPGA(Field Programmable Gate Arrays)上に実装された、典型性と偏心性データ分析(TEDA)アルゴリズムのためのハードウェアアーキテクチャを提案する。 TEDAは、データストリームコンテキストにおける外れ値検出の新しいアプローチに基づいている。 このプロジェクトは、ターゲットFPGAとしてXilinx Virtex-6 xc6vlx240t-1ff1156を目標としている。
  論文  参考訳（メタデータ） (2020-03-08T19:28:53Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。