論文の概要: Adaptive Factor Graph-Based Tightly Coupled GNSS/IMU Fusion for Robust Positionin

• arxiv url: http://arxiv.org/abs/2511.23017v1
• Date: Fri, 28 Nov 2025 09:33:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.841167
• Title: Adaptive Factor Graph-Based Tightly Coupled GNSS/IMU Fusion for Robust Positionin
• Title（参考訳）: 適応因子グラフによるロバスト位置決めのための軽量結合型GNSS/IMU核融合
• Authors: Elham Ahmadi, Alireza Olama, Petri Välisuo, Heidi Kuusniemi,
• Abstract要約: 密結合/IMU融合はロバスト性を改善するが、非ガウスノイズや外れ値に弱いままである。 擬似距離測定とIMU事前積分係数を統合した,頑健で適応的な因子グラフに基づく融合フレームワークを提案する。 提案手法は,標準FGOと比較して最大41%の精度で位置決め誤差を低減し,調整可能な都市環境における拡張カルマンフィルタ(EKF)よりもさらに大きな改善を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable positioning in GNSS-challenged environments remains a critical challenge for navigation systems. Tightly coupled GNSS/IMU fusion improves robustness but remains vulnerable to non-Gaussian noise and outliers. We present a robust and adaptive factor graph-based fusion framework that directly integrates GNSS pseudorange measurements with IMU preintegration factors and incorporates the Barron loss, a general robust loss function that unifies several m-estimators through a single tunable parameter. By adaptively down weighting unreliable GNSS measurements, our approach improves resilience positioning. The method is implemented in an extended GTSAM framework and evaluated on the UrbanNav dataset. The proposed solution reduces positioning errors by up to 41% relative to standard FGO, and achieves even larger improvements over extended Kalman filter (EKF) baselines in urban canyon environments. These results highlight the benefits of Barron loss in enhancing the resilience of GNSS/IMU-based navigation in urban and signal-compromised environments.
• Abstract（参考訳）: GNSS対応環境における信頼性の高い位置決めは、ナビゲーションシステムにとって重要な課題である。 わずかに結合したGNSS/IMU融合は堅牢性を改善するが、非ガウスノイズや外れ値に弱いままである。 本稿では, GNSS の擬似乱数測定を IMU 事前積分因子と直接統合し, 1つの調整可能なパラメータによって複数の m-推定器を統一する一般的なロバストな損失関数である Barron loss を組み込む,ロバストで適応的な因子グラフベースの融合フレームワークを提案する。 信頼性の低い GNSS 測定の重み付けを適応的に行うことにより, レジリエンス位置決めの精度が向上する。 この方法は拡張GTSAMフレームワークで実装され、UrbanNavデータセットで評価される。 提案手法は,標準FGOと比較して最大41%の位置誤差を低減し,都市キャニオン環境における拡張カルマンフィルタ(EKF)ベースラインよりもさらに大きな改善を実現する。 これらの結果は,GNSS/IMUをベースとした都市および信号処理環境におけるナビゲーションのレジリエンス向上におけるバロン損失のメリットを浮き彫りにした。

関連論文リスト

• Edge Collaborative Gaussian Splatting with Integrated Rendering and Communication [69.23838350582764]
  エッジ協調(ECO-GS)では,各ユーザが小さなGSモデルに切り替えて忠実さを保証し,遠隔大GSモデルで忠実さを保証できる。 低コストのレンダリングステータスとエッジパワー割り当てを協調的に最適化する統合通信(IRAC)を提案する。
  論文  参考訳（メタデータ） (2025-10-26T15:33:29Z)
• Backscatter Device-aided Integrated Sensing and Communication: A Pareto Optimization Framework [59.30060797118097]
  統合センシング・通信(ISAC)システムは、密集した都市非視線シナリオにおいて大きな性能劣化に遭遇する可能性がある。 本稿では,自然環境に分散した受動的BDを利用した後方散乱近似(BD)支援ISACシステムを提案する。
  論文  参考訳（メタデータ） (2025-07-12T17:11:06Z)
• GNSS Spoofing Detection Based on Opportunistic Position Information [1.9688858888666714]
  位置に基づく攻撃検出スキーム(PADS)は、位置の回帰分析と不確実性分析を利用する確率的フレームワークである。 PADSは偽陽性率の3倍の正の値を得る。
  論文  参考訳（メタデータ） (2025-06-14T17:27:06Z)
• NDCG-Consistent Softmax Approximation with Accelerated Convergence [67.10365329542365]
  本稿では,ランキングの指標と直接一致した新たな損失定式化を提案する。 提案したRG損失を高効率な Alternating Least Squares (ALS) 最適化手法と統合する。 実世界のデータセットに対する実証的な評価は、我々のアプローチが同等または上位のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-06-11T06:59:17Z)
• MoE-Gyro: Self-Supervised Over-Range Reconstruction and Denoising for MEMS Gyroscopes [3.305383548025311]
  MoE-Gyroは、オーバレンジ信号の再構築とノイズ抑圧を同時に行うために設計された、自己監督型のフレームワークである。 また,MoE-Gyroは測定範囲を450deg/sから1500deg/sに大きく拡張し,バイアス不安定度を98.4%低減し,最先端性能を実現した。
  論文  参考訳（メタデータ） (2025-05-27T13:18:26Z)
• Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
  擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。 我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。 SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-06-10T21:44:52Z)
• Sky-GVIO: an enhanced GNSS/INS/Vision navigation with FCN-based sky-segmentation in urban canyon [3.870599032599567]
  都市キャニオン環境では、高層建築物によるスタンドアロンセンサと非視線(NLOS)の脆弱性が位置決め結果に深刻な影響を及ぼす。 これらの課題に対処するために、NLOS検出のためにFCN(Fully Convolutional Network)に基づくスカイビュー画像分割アルゴリズムを提案する。 新たなNLOS検出・緩和アルゴリズム(S-NDM)は、密結合したグローバルナビゲーション衛星システム(GNSS)、慣性計測ユニット(IMU)、Sky-GVIOと呼ばれる視覚機能システムに拡張されている。
  論文  参考訳（メタデータ） (2024-04-17T04:59:36Z)
• SAGMAN: Stability Analysis of Graph Neural Networks on the Manifolds [11.839398175390548]
  現代のグラフニューラルネットワーク(GNN)は、入力グラフ構造やノードの特徴の変化に敏感である。 本稿では,GNNの安定性を調べるためのSAGMANと呼ばれるスペクトルフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-13T18:33:45Z)
• Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement Distribution in FSO Quantum Networks [62.87033427172205]
  自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。 エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
  論文  参考訳（メタデータ） (2024-01-19T17:16:40Z)
• AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion [48.835456049755166]
  AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。 当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。 本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
  論文  参考訳（メタデータ） (2023-01-28T09:06:50Z)

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。