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

• Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
  既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。 本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。 設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
  論文  参考訳（メタデータ） (2024-10-21T09:57:42Z)
• FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
  無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。 我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。 本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
  論文  参考訳（メタデータ） (2024-09-25T03:54:01Z)
• A Sonar-based AUV Positioning System for Underwater Environments with Low Infrastructure Density [2.423370951696279]
  本研究では,人為的資産の分散分布を考慮したAUV(Autonomous Underwater Vehicles)のための,新しいリアルタイムソナーベースグローバル位置決めアルゴリズムを提案する。 実水中植物に類似した模擬環境下での予備実験は有望な結果をもたらした。
  論文  参考訳（メタデータ） (2024-05-03T09:53:28Z)
• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• 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)
• 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)
• 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)
• 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。