論文の概要: A Sensor-Aware Phenomenological Framework for Lidar Degradation Simulation and SLAM Robustness Evaluation

• arxiv url: http://arxiv.org/abs/2512.08653v1
• Date: Tue, 09 Dec 2025 14:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.233753
• Title: A Sensor-Aware Phenomenological Framework for Lidar Degradation Simulation and SLAM Robustness Evaluation
• Title（参考訳）: ライダー劣化シミュレーションとSLAMロバストネス評価のためのセンサ対応現象学フレームワーク
• Authors: Doumegna Mawuto Koudjo Felix, Xianjia Yu, Zhuo Zou, Tomi Westerlund,
• Abstract要約: ライダーベースのSLAMシステムは、ノイズや視野分解(FoV)などの悪条件に非常に敏感である。 本稿では,実点雲上で直接解釈可能なライダー劣化をシミュレーションするためのセンサ・アウェア・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.9228699691035367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lidar-based SLAM systems are highly sensitive to adverse conditions such as occlusion, noise, and field-of-view (FoV) degradation, yet existing robustness evaluation methods either lack physical grounding or do not capture sensor-specific behavior. This paper presents a sensor-aware, phenomenological framework for simulating interpretable lidar degradations directly on real point clouds, enabling controlled and reproducible SLAM stress testing. Unlike image-derived corruption benchmarks (e.g., SemanticKITTI-C) or simulation-only approaches (e.g., lidarsim), the proposed system preserves per-point geometry, intensity, and temporal structure while applying structured dropout, FoV reduction, Gaussian noise, occlusion masking, sparsification, and motion distortion. The framework features autonomous topic and sensor detection, modular configuration with four severity tiers (light--extreme), and real-time performance (less than 20 ms per frame) compatible with ROS workflows. Experimental validation across three lidar architectures and five state-of-the-art SLAM systems reveals distinct robustness patterns shaped by sensor design and environmental context. The open-source implementation provides a practical foundation for benchmarking lidar-based SLAM under physically meaningful degradation scenarios.
• Abstract（参考訳）: ライダーベースのSLAMシステムは、閉塞、ノイズ、FoV(FoV)劣化などの悪条件に非常に敏感であるが、既存のロバスト性評価手法は物理的接地を欠いているか、センサー固有の振る舞いを捉えていない。 本稿では,リアルタイムクラウド上で直接解釈可能なライダー劣化をシミュレートし,制御および再現可能なSLAMストレステストを実現するための,センサ対応の表現論的枠組みを提案する。 画像由来の劣化ベンチマーク(例:SemanticKITTI-C)やシミュレーション専用アプローチ(例:Lidarsim)とは異なり、提案システムは、構造化されたドロップアウト、FoV低減、ガウスノイズ、オクルージョンマスキング、スパーシフィケーション、動き歪みを適用しながら、ポイントごとの幾何、強度、時間構造を保存する。 このフレームワークは、自律的なトピックとセンサー検出、4つの重大層(ライト-エクストリーム)を備えたモジュール構成、ROSワークフローと互換性のあるリアルタイムパフォーマンス(フレームあたり20ミリ秒未満)を備えている。 3つのライダーアーキテクチャと5つの最先端SLAMシステムにまたがる実験的な検証により、センサ設計と環境コンテキストによって形成される明確なロバスト性パターンが明らかになった。 オープンソース実装は、物理的に意味のある劣化シナリオの下で、ライダーベースのSLAMをベンチマークするための実践的な基盤を提供する。

関連論文リスト

• RADAR: Benchmarking Vision-Language-Action Generalization via Real-World Dynamics, Spatial-Physical Intelligence, and Autonomous Evaluation [76.22852262683746]
  本稿では,現実的な条件下でのVLA一般化を体系的に評価するベンチマークであるRADARを紹介する。 RADARを用いて、複数の最先端のVLAモデルを監査し、その明らかな能力の下で深刻な脆弱性を明らかにする。
  論文  参考訳（メタデータ） (2026-02-11T16:08:30Z)
• ReSPEC: A Framework for Online Multispectral Sensor Reconfiguration in Dynamic Environments [6.718801307135799]
  センサ,学習,アクティベーションをクローズドなリコンフィグレーションループに統合するフレームワークを導入する。 我々は,このフレームワークを移動体ローバー上で実装し評価し,適応制御がベースラインに比べて5.3%の精度低下で負荷を29.3%削減することを示した。
  論文  参考訳（メタデータ） (2026-02-11T05:39:24Z)
• Robustness Evaluation of Machine Learning Models for Fault Classification and Localization In Power System Protection [5.539105299550525]
  この研究は、電力系統保護における機械学習モデルの堅牢性を評価するための統一的なフレームワークを導入している。 高忠実性EMTシミュレーションは、センサの故障、サンプリングレートの低減、過渡的な通信損失などの現実的な劣化シナリオをモデル化するために用いられる。 その結果, FCはほとんどの劣化型では安定だが, 単相損失では約13%低下し, FLは全般的に感度が高く, 電圧損失は局所化誤差が150%以上増加した。
  論文  参考訳（メタデータ） (2025-12-17T12:38:53Z)
• ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM [5.5217350574838875]
  視覚-慣性SLAM性能を向上させる新しいフレームワークであるICD-Netを提案する。 従来のVINS-Fusionと比較して,軌道推定精度は有意に向上した。 ニューラルネットワークの強化は,SLAM劣化の複数の要因に効果的に対処できることを示す。
  論文  参考訳（メタデータ） (2025-11-13T11:25:02Z)
• Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
  到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。 提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
  論文  参考訳（メタデータ） (2025-07-06T20:22:58Z)
• Towards Generalized Range-View LiDAR Segmentation in Adverse Weather [65.22588361803942]
  我々は、厳しい天候下でのLiDARセグメンテーションの一般化に影響を及ぼす固有の課題を特定し、分析する。 既存のモデルのコアアーキテクチャを変更することなく、ロバスト性を高めるモジュール式で軽量なフレームワークを提案する。 提案手法は,推定オーバーヘッドを最小限に抑え,悪天候への一般化を著しく改善する。
  論文  参考訳（メタデータ） (2025-06-10T16:48:27Z)
• Towards Evaluating the Robustness of Visual State Space Models [63.14954591606638]
  視覚状態空間モデル(VSSM)は視覚知覚タスクにおいて顕著な性能を示した。 しかし、自然と敵対的な摂動の下での頑丈さは依然として重要な懸念事項である。 様々な摂動シナリオ下でのVSSMの頑健さを総合的に評価する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:44Z)
• Unsupervised Cross-Domain Soft Sensor Modelling via Deep Physics-Inspired Particle Flow Bayes [3.2307729081989334]
  クロスドメイン・ソフト・センサ・モデリングのためのディープ・パーティクル・フロー・ベイズ・フレームワークを提案する。 特に、まずシーケンシャルベイズ目標を定式化し、最大推定を行う。 複雑な産業用多相流プロセスシステムにおけるフレームワークの有効性を検証した。
  論文  参考訳（メタデータ） (2023-06-08T03:43:32Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)

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。