論文の概要: Online Stochastic Variational Gaussian Process Mapping for Large-Scale
SLAM in Real Time
- arxiv url: http://arxiv.org/abs/2211.05601v1
- Date: Thu, 10 Nov 2022 14:21:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 16:15:01.515770
- Title: Online Stochastic Variational Gaussian Process Mapping for Large-Scale
SLAM in Real Time
- Title(参考訳): 大規模SLAMにおけるオンライン確率変動ガウス過程のリアルタイムマッピング
- Authors: Ignacio Torroba, Marco Chella, Aldo Teran, Niklas Rolleberg, John
Folkesson
- Abstract要約: AUVは、科学と産業の両方の分野で、水中探査と海底マッピングの標準ツールになりつつある。
潜水能力は浮き彫りで、船体に近づきにくい地域まで到達し、海底に近いデータを収集することができる。
ナビゲーションの自律性は、その世界位置の死亡推定(DR)の正確さによって制限され続けており、地域とGPS信号の事前マップが欠如しているため、著しく制限されている。
- 参考スコア(独自算出の注目度): 1.3387004254920498
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous underwater vehicles (AUVs) are becoming standard tools for
underwater exploration and seabed mapping in both scientific and industrial
applications \cite{graham2022rapid, stenius2022system}. Their capacity to dive
untethered allows them to reach areas inaccessible to surface vessels and to
collect data more closely to the seafloor, regardless of the water depth.
However, their navigation autonomy remains bounded by the accuracy of their
dead reckoning (DR) estimate of their global position, severely limited in the
absence of a priori maps of the area and GPS signal. Global localization
systems equivalent to the later exists for the underwater domain, such as LBL
or USBL. However they involve expensive external infrastructure and their
reliability decreases with the distance to the AUV, making them unsuitable for
deep sea surveys.
- Abstract(参考訳): 自律型水中車両(AUV)は、科学と工業の両方の応用における水中探査と海底マッピングの標準ツールになりつつある。
潜水能力は、水深によらず、地表の船に近づかない領域に到達し、海底に密着したデータを収集することができる。
しかし、その航法自律性は、その地域とGPS信号の事前マップがない場合に、その世界的位置の致命的な推定値(DR)の正確さによって制限されている。
lblやusblのような水中領域に対して、後者と同等のグローバルローカライズシステムが存在する。
しかし、それらは高価な外部インフラを伴い、AUVまでの距離によって信頼性が低下し、深海調査には適さない。
関連論文リスト
- Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳(メタデータ) (2024-02-04T08:41:20Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳(メタデータ) (2023-08-14T16:48:57Z) - Efficient Large-scale AUV-based Visual Seafloor Mapping [6.7864586321550595]
海底画像と視覚マッピングの最近の進歩を取り入れ,海底のヘクタールの自動3次元再構築を支援するシステムを提案する。
我々のアプローチは,画像の省略や潜水時間制限の有効利用のために,弱い登録領域の検出と再考が困難である。
提案システムは, 実環境下でのロバスト性および実用性を実証し, いくつかの調査巡航において広範囲に検証され, 評価されている。
論文 参考訳(メタデータ) (2023-08-11T14:24:03Z) - Aeolus Ocean -- A simulation environment for the autonomous
COLREG-compliant navigation of Unmanned Surface Vehicles using Deep
Reinforcement Learning and Maritime Object Detection [0.0]
海上部門における無人水上機(USV)の航行自律性は、より安全な水と運用コストの削減につながる可能性がある。
本稿では, 現実的な海洋シミュレーション環境において, COLREG 準拠の DRL を用いた衝突回避航法システムの開発について述べる。
論文 参考訳(メタデータ) (2023-07-13T11:20:18Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Virtual Underwater Datasets for Autonomous Inspections [0.0]
本研究では,実験室で収集したアイテムの写真から,ベスポークデータセットを構築した。
GAN(Generative Adversarial Networks)は、実験対象のデータセットを水中ドメインに変換するために使用される。
その結果得られた画像は、実際の水中の船体画像と比較すると、実際の水中環境とよく似ている。
論文 参考訳(メタデータ) (2022-09-13T14:06:36Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳(メタデータ) (2022-08-18T15:27:40Z) - Marine Vehicles Localization Using Grid Cells for Path Integration [5.505634045241289]
グリッド細胞と呼ばれる新しい種類のニューロンは、脳内の経路統合システムの一部であることが示されている。
水中車両の位置推定にグリッドセルをどのように利用できるかを示す。
論文 参考訳(メタデータ) (2021-07-28T16:13:56Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳(メタデータ) (2020-08-21T03:16:51Z) - Filtering Internal Tides From Wide-Swath Altimeter Data Using
Convolutional Neural Networks [9.541153192112194]
本稿では畳み込みニューラルネットワーク(ConvNets)を用いて、内潮信号のないフィールドを推定する。
また,海面温度(SST)などの他の海面変数からの追加データについても検討した。
論文 参考訳(メタデータ) (2020-05-03T14:02:31Z) - 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。