論文の概要: LunarLoc: Segment-Based Global Localization on the Moon
- arxiv url: http://arxiv.org/abs/2506.16940v1
- Date: Fri, 20 Jun 2025 12:06:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-23 19:00:05.438148
- Title: LunarLoc: Segment-Based Global Localization on the Moon
- Title（参考訳）: LunarLoc: 月上のセグメントベースのグローバルローカライゼーション
- Authors: Annika Thomas, Robaire Galliath, Aleksander Garbuz, Luke Anger, Cormac O'Neill, Trevor Johst, Dami Thomas, George Lordos, Jonathan P. How,
- Abstract要約: GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。
本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。
LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
- 参考スコア（独自算出の注目度）: 52.418394025548295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Global localization is necessary for autonomous operations on the lunar surface where traditional Earth-based navigation infrastructure, such as GPS, is unavailable. As NASA advances toward sustained lunar presence under the Artemis program, autonomous operations will be an essential component of tasks such as robotic exploration and infrastructure deployment. Tasks such as excavation and transport of regolith require precise pose estimation, but proposed approaches such as visual-inertial odometry (VIO) accumulate odometry drift over long traverses. Precise pose estimation is particularly important for upcoming missions such as the ISRU Pilot Excavator (IPEx) that rely on autonomous agents to operate over extended timescales and varied terrain. To help overcome odometry drift over long traverses, we propose LunarLoc, an approach to global localization that leverages instance segmentation for zero-shot extraction of boulder landmarks from onboard stereo imagery. Segment detections are used to construct a graph-based representation of the terrain, which is then aligned with a reference map of the environment captured during a previous session using graph-theoretic data association. This method enables accurate and drift-free global localization in visually ambiguous settings. LunarLoc achieves sub-cm level accuracy in multi-session global localization experiments, significantly outperforming the state of the art in lunar global localization. To encourage the development of further methods for global localization on the Moon, we release our datasets publicly with a playback module: https://github.com/mit-acl/lunarloc-data.
- Abstract（参考訳）: GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。
NASAがアルテミス計画の下で月の存在を維持するために進むにつれ、自律的な運用はロボット探査やインフラ整備といったタスクの重要な要素となるだろう。
レゴリスの掘削や輸送といった作業は正確なポーズ推定を必要とするが、視覚慣性オードメトリー (VIO) のような提案されたアプローチは長い横方向のドリフトを蓄積する。
精密ポーズ推定はISRU Pilot Excavator (IPEx)のような、拡張された時間スケールと様々な地形で動く自律的なエージェントに依存する今後のミッションにとって特に重要である。
本研究では,地球規模の局所化へのアプローチであるLunarLocを提案する。この手法は,地上ステレオ画像からの岩のランドマークのゼロショット抽出にインスタンスセグメンテーションを利用する。
セグメント検出は、地形のグラフベースの表現を構築するために使用され、その後、グラフ理論データアソシエーションを使用して前回のセッションでキャプチャされた環境の参照マップと整列する。
この方法は、視覚的にあいまいな環境での高精度でドリフトフリーなグローバルローカライゼーションを可能にする。
LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける最先端を著しく上回っている。
月面のグローバルなローカライゼーションのためのさらなるメソッドの開発を促進するため、私たちはデータセットを再生モジュールで公開しています。
関連論文リスト
- LuSNAR:A Lunar Segmentation, Navigation and Reconstruction Dataset based on Muti-sensor for Autonomous Exploration [2.3011380360879237]
環境認識とナビゲーションアルゴリズムが月探査の基盤となっている。
既存の月のデータセットのほとんどは、単一のタスクをターゲットにしています。
本稿では,マルチタスク,マルチシーン,マルチラベルのベンチマークデータセットLuSNARを提案する。
論文 参考訳（メタデータ） (2024-07-09T02:47:58Z) - GOMAA-Geo: GOal Modality Agnostic Active Geo-localization [49.599465495973654]
エージェントが空中ナビゲーション中に観測された一連の視覚的手がかりを用いて、複数の可能なモダリティによって特定されたターゲットを見つけるという、アクティブなジオローカライゼーション(AGL)の課題を考察する。
GOMAA-Geo は、ゴールモダリティ間のゼロショット一般化のためのゴールモダリティアクティブなジオローカライゼーションエージェントである。
論文 参考訳（メタデータ） (2024-06-04T02:59:36Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - LunarNav: Crater-based Localization for Long-range Autonomous Lunar
Rover Navigation [8.336210810008282]
アルテミス計画では、資源探査と利用のためにロボットと有人月面ローバーを必要とする。
LunarNavプロジェクトは、月面探査機が地球の位置を推定し、5m未満の位置誤差の目標性能で月に向かうのを可能にすることを目的としている。
これは、ローバー付近のクレーターを検出し、軌道からマッピングされた既知のクレーターのデータベースと一致させることで、自律的に達成される。
論文 参考訳（メタデータ） (2023-01-03T20:46:27Z) - Lunar Rover Localization Using Craters as Landmarks [7.097834331171584]
そこで本研究では,クレーターを用いた月面ローバーの局地化手法として,ライダーやステレオカメラからの3次元点雲データと,モノクラー搭載画像のシェーディングキューを用いた手法を提案する。
本報告では, 搭載ライダーやステレオカメラの3次元点雲データを用いたクレーター検出と, 単眼画像におけるシェーディングキューを用いたクレーター検出の初期結果について述べる。
論文 参考訳（メタデータ） (2022-03-18T17:38:52Z) - Think Global, Act Local: Dual-scale Graph Transformer for
Vision-and-Language Navigation [87.03299519917019]
本稿では,2次元グラフ変換器 (DUET) を提案する。
我々は,グローバルな行動空間における効率的な探索を可能にするために,トポロジカルマップをオンザフライで構築する。
提案手法であるDUETは、目標指向の視覚・言語ナビゲーションベンチマークにおいて最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2022-02-23T19:06:53Z) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。
我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。
ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文 参考訳（メタデータ） (2021-09-14T07:24:53Z)
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。