論文の概要: Hyperion - A fast, versatile symbolic Gaussian Belief Propagation framework for Continuous-Time SLAM
- arxiv url: http://arxiv.org/abs/2407.07074v1
- Date: Tue, 9 Jul 2024 17:46:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 16:57:59.135706
- Title: Hyperion - A fast, versatile symbolic Gaussian Belief Propagation framework for Continuous-Time SLAM
- Title（参考訳）: Hyperion - 継続的SLAMのための高速で多目的な象徴的なGaussian Belief Propagationフレームワーク
- Authors: David Hug, Ignacio Alzugaray, Margarita Chli,
- Abstract要約: 本稿では,SymForceをベースとしたB-およびZ-Spline実装において,SymForceによる2.43倍から110.31倍の高速化を実現した最速の[Martiros et al., RSS 2022]B-およびZ-Spline実装を提案する。
動作追跡および位置決め設定における本手法の有効性を実証的アブレーション研究により実証した。
- 参考スコア（独自算出の注目度）: 9.083886529257857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Continuous-Time Simultaneous Localization And Mapping (CTSLAM) has become a promising approach for fusing asynchronous and multi-modal sensor suites. Unlike discrete-time SLAM, which estimates poses discretely, CTSLAM uses continuous-time motion parametrizations, facilitating the integration of a variety of sensors such as rolling-shutter cameras, event cameras and Inertial Measurement Units (IMUs). However, CTSLAM approaches remain computationally demanding and are conventionally posed as centralized Non-Linear Least Squares (NLLS) optimizations. Targeting these limitations, we not only present the fastest SymForce-based [Martiros et al., RSS 2022] B- and Z-Spline implementations achieving speedups between 2.43x and 110.31x over Sommer et al. [CVPR 2020] but also implement a novel continuous-time Gaussian Belief Propagation (GBP) framework, coined Hyperion, which targets decentralized probabilistic inference across agents. We demonstrate the efficacy of our method in motion tracking and localization settings, complemented by empirical ablation studies.
- Abstract（参考訳）: 連続時間同時ローカライゼーションとマッピング(CTSLAM)は、非同期およびマルチモーダルセンサースイートを融合するための有望なアプローチとなっている。
個別に推定される離散時間SLAMとは異なり、CTSLAMは連続的な運動パラメトリゼーションを使用しており、ローリングシャッターカメラ、イベントカメラ、慣性測定ユニット(IMU)などの様々なセンサーの統合を容易にする。
しかし、CTSLAMのアプローチは計算的に要求され続け、従来はNLLS(Non-Linear Least Squares)の最適化として提案されていた。
これらの制限を目標として、SymForceベースの最速の(Martiros et al , RSS 2022]BとZ-Splineの実装がSommer et al (CVPR 2020)上で2.43xから110.31xのスピードアップを達成するだけでなく、エージェント間の分散確率推論をターゲットとしたHyperionという新しいガウス的信念伝播(GBP)フレームワークを実装した。
動作追跡および位置決め設定における本手法の有効性を実証的アブレーション研究により実証した。
関連論文リスト
- AsynEIO: Asynchronous Monocular Event-Inertial Odometry Using Gaussian Process Regression [7.892365588256595]
本稿では,非同期イベントと慣性データを融合した単分子イベント慣性オドメトリーAsynEIOを提案する。
AsynEIOは、特に高速・低照度シナリオにおいて、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-11-19T02:39:57Z) - Cross Space and Time: A Spatio-Temporal Unitized Model for Traffic Flow Forecasting [16.782154479264126]
時間的要因間の複雑な相互作用により、バックボーン・時間的トラフィックフローを予測することが課題となる。
既存のアプローチでは、これらの次元を分離し、重要な相互依存を無視している。
本稿では,空間的および時間的依存関係の両方をキャプチャする統合フレームワークであるSanonymous-Temporal Unitized Unitized Cell (ASTUC)を紹介する。
論文 参考訳（メタデータ） (2024-11-14T07:34:31Z) - Distributed Stochastic Gradient Descent with Staleness: A Stochastic Delay Differential Equation Based Framework [56.82432591933544]
分散勾配降下(SGD)は、計算リソースのスケーリング、トレーニング時間の短縮、マシンラーニングにおけるユーザのプライバシ保護の支援などにより、近年注目されている。
本稿では,遅延微分方程式(SDDE)と勾配到着の近似に基づく分散SGDの実行時間と安定化について述べる。
活性化作業員の増加は, 安定度による分散SGDを必ずしも加速させるものではないことが興味深い。
論文 参考訳（メタデータ） (2024-06-17T02:56:55Z) - DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。
遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
論文 参考訳（メタデータ） (2024-03-25T22:49:56Z) - Spatio-temporal Diffusion Point Processes [23.74522530140201]
パティオ・テンポラル・ポイント・プロセス(英: patio-temporal point process、STPP)は、時間と空間を伴うイベントの集合である。
結合分布のモデル化に失敗すると、与えられた事象の過去の時間的相互作用を特徴づける能力は限られる。
複雑な時空間の関節分布を学習する新しいパラメータ化フレームワークを提案する。
我々のフレームワークは最先端のベースラインを著しく上回り、平均50%以上の改善がなされています。
論文 参考訳（メタデータ） (2023-05-21T08:53:00Z) - Beyond Exponentially Fast Mixing in Average-Reward Reinforcement
Learning via Multi-Level Monte Carlo Actor-Critic [61.968469104271676]
本稿では,アクター・アクターとアクター・アクター・アクター・アルゴリズムに埋め込まれた平均報酬に対して,マルチレベルモンテカルロ推定器を用いて混合時間に適応したRL手法を提案する。
不安定な報酬を伴うRL問題において,安定性に要求される技術的条件の緩和効果が,実用上優れた性能に変換されることを実験的に示す。
論文 参考訳（メタデータ） (2023-01-28T04:12:56Z) - Continuous-Time vs. Discrete-Time Vision-based SLAM: A Comparative Study [46.89180519082908]
この研究は、視覚ベースのSLAMにおける2つの定式化の利点と限界を体系的に比較する。
我々は、SLAM問題を離散的かつ連続的に解くために、最先端のアルゴリズムを含むモジュール化された効率的なソフトウェアアーキテクチャを開発し、オープンソース化する。
論文 参考訳（メタデータ） (2022-02-17T20:42:06Z) - Optimization on manifolds: A symplectic approach [127.54402681305629]
本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。
我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
論文 参考訳（メタデータ） (2021-07-23T13:43:34Z) - On The Verification of Neural ODEs with Stochastic Guarantees [14.490826225393096]
時間連続型ニューラルネットワークの新興クラスであるneural odesは,グローバル最適化問題の集合を解いて検証できることを示す。
密なReachtubeを構築するための抽象化ベースのテクニックであるLagran Reachability(SLR)を紹介する。
論文 参考訳（メタデータ） (2020-12-16T11:04:34Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z)
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。