論文の概要: Holistic Fusion: Task- and Setup-Agnostic Robot Localization and State Estimation with Factor Graphs

• arxiv url: http://arxiv.org/abs/2504.06479v1
• Date: Tue, 08 Apr 2025 22:54:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 16:14:39.607143
• Title: Holistic Fusion: Task- and Setup-Agnostic Robot Localization and State Estimation with Factor Graphs
• Title（参考訳）: ホロスティックフュージョン:タスクとセットアップに依存しないロボットの局在と因子グラフによる状態推定
• Authors: Julian Nubert, Turcan Tuna, Jonas Frey, Cesar Cadena, Katherine J. Kuchenbecker, Shehryar Khattak, Marco Hutter,
• Abstract要約: この研究は、タスクとセットアップに依存しないマルチモーダルセンサー融合のための柔軟なオープンソースソリューションを導入している。 ホロスティックフュージョン (HF) は, 局所的および大域的ロボット状態と, 動的文脈変数の(理論的に無制限な)数との組合せとして, センサフュージョンを定式化する。 HFは、一般的なロボットハードウェア上で低レイテンシかつスムーズなオンライン状態推定を可能にし、同時にIMU測定速度で低ドリフトグローバルなローカライゼーションを提供する。
• 参考スコア（独自算出の注目度）: 19.359422457413576
• License:
• Abstract: Seamless operation of mobile robots in challenging environments requires low-latency local motion estimation (e.g., dynamic maneuvers) and accurate global localization (e.g., wayfinding). While most existing sensor-fusion approaches are designed for specific scenarios, this work introduces a flexible open-source solution for task- and setup-agnostic multimodal sensor fusion that is distinguished by its generality and usability. Holistic Fusion formulates sensor fusion as a combined estimation problem of i) the local and global robot state and ii) a (theoretically unlimited) number of dynamic context variables, including automatic alignment of reference frames; this formulation fits countless real-world applications without any conceptual modifications. The proposed factor-graph solution enables the direct fusion of an arbitrary number of absolute, local, and landmark measurements expressed with respect to different reference frames by explicitly including them as states in the optimization and modeling their evolution as random walks. Moreover, local smoothness and consistency receive particular attention to prevent jumps in the robot state belief. HF enables low-latency and smooth online state estimation on typical robot hardware while simultaneously providing low-drift global localization at the IMU measurement rate. The efficacy of this released framework is demonstrated in five real-world scenarios on three robotic platforms, each with distinct task requirements.
• Abstract（参考訳）: 挑戦環境における移動ロボットのシームレスな操作には、低レイテンシな局所運動推定(例えば、動的操作)と正確なグローバルローカライゼーション(例えば、ウェイフィンディング)が必要である。 既存のセンサフュージョンアプローチの多くは特定のシナリオ向けに設計されているが、この研究はタスクやセットアップに依存しないマルチモーダルセンサフュージョンのための柔軟なオープンソースソリューションを導入し、その汎用性とユーザビリティによって区別される。 Holistic Fusion formulates sensor fusion as a combination estimation problem 一 地域的かつグローバルなロボットの状態及び ii) 参照フレームの自動アライメントを含む動的コンテキスト変数の(理論的に無制限な)数; この定式化は、概念的な変更なしに、無数の現実世界のアプリケーションに適合する。 提案した因子グラフ解により,任意の数の絶対値,局所値,およびランドマーク値の直接融合が可能となり,それらを最適化状態として明示的に含め,それらの進化をランダムウォークとしてモデル化することができる。 さらに、局所的な滑らかさと一貫性は、ロボット状態の信念のジャンプを防ぐために特に注意を払っている。 HFは、一般的なロボットハードウェア上で低レイテンシかつスムーズなオンライン状態推定を可能にし、同時にIMU測定速度で低ドリフトグローバルなローカライゼーションを提供する。 このリリースされたフレームワークの有効性は,3つのロボットプラットフォーム上での5つの現実シナリオで実証されている。

関連論文リスト

• Graph-Based Multi-Modal Sensor Fusion for Autonomous Driving [3.770103075126785]
  本稿では,グラフに基づく状態表現の開発に焦点をあてた,マルチモーダルセンサ融合に対する新しいアプローチを提案する。 本稿では,マルチモーダルグラフを融合する最初のオンライン状態推定手法であるSensor-Agnostic Graph-Aware Kalman Filterを提案する。 提案手法の有効性を,合成および実世界の運転データセットを用いた広範囲な実験により検証した。
  論文  参考訳（メタデータ） (2024-11-06T06:58:17Z)
• RING#: PR-by-PE Global Localization with Roto-translation Equivariant Gram Learning [20.688641105430467]
  GPS信号が信頼できない場合、グローバルなローカライゼーションは自動運転やロボティクスの応用において不可欠である。 ほとんどのアプローチは、逐次位置認識(PR)とポーズ推定(PE)により、グローバルなローカライゼーションを実現する。 ポーズ推定から直接導出することで、別の場所認識の必要性を回避できる新しいパラダイムであるPR-by-PEローカライゼーションを導入する。 本稿では,鳥眼視(BEV)空間で動作する終端PR-by-PEローカライゼーションネットワークであるRING#を提案する。
  論文  参考訳（メタデータ） (2024-08-30T18:42:53Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Local Action-Guided Motion Diffusion Model for Text-to-Motion Generation [52.87672306545577]
  既存の動き生成法は主に大域運動の直接合成に焦点を当てている。 本研究では,局所動作を微粒化制御信号として利用することにより,グローバルな動き生成を容易にする局所動作誘導型動き拡散モデルを提案する。 本手法は,様々な局所動作と連続誘導重み調整をシームレスに組み合わせる柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-07-15T08:35:00Z)
• FS-Real: Towards Real-World Cross-Device Federated Learning [60.91678132132229]
  Federated Learning (FL)は、ローカルデータをアップロードすることなく、分散クライアントと協調して高品質なモデルをトレーニングすることを目的としている。 FL研究と実世界のシナリオの間には依然としてかなりのギャップがあり、主に異種デバイスの特徴とそのスケールによって引き起こされている。 本稿では,実世界横断デバイスFL,FS-Realのための効率的でスケーラブルなプロトタイピングシステムを提案する。
  論文  参考訳（メタデータ） (2023-03-23T15:37:17Z)
• A Real-Time Fusion Framework for Long-term Visual Localization [7.606637557727453]
  本稿では,グローバルなポーズ推定とローカルなポーズ推定を融合した,効率的なクライアントサーバ・ビジュアルローカライゼーションアーキテクチャを提案する。 4SeasonsとOpenLORISの2つの典型的なオープンソースベンチマークで評価を行った。
  論文  参考訳（メタデータ） (2022-10-18T11:13:20Z)
• A Robot Web for Distributed Many-Device Localisation [18.417301483203996]
  ロボットの分散ネットワークは、効率的なアドホックピアからピアコミュニケーションを通じて、グローバルなローカライズに協力できることを示す。 任意のパターンで対話する最大1000個のロボットによるシミュレーションにおいて、我々の解は非線形因子グラフ解法と同じくらいの精度でグローバルに精度を達成できることを示す。
  論文  参考訳（メタデータ） (2022-02-07T16:00:25Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)
• Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
  本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。 予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。 我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
  論文  参考訳（メタデータ） (2019-12-30T20:25:16Z)

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。