論文の概要: Inertial Magnetic SLAM Systems Using Low-Cost Sensors

• arxiv url: http://arxiv.org/abs/2512.10128v1
• Date: Wed, 10 Dec 2025 22:22:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.272033
• Title: Inertial Magnetic SLAM Systems Using Low-Cost Sensors
• Title（参考訳）: 低コストセンサを用いた慣性磁気SLAMシステム
• Authors: Chuan Huang, Gustaf Hendeby, Isaac Skog,
• Abstract要約: 本研究は、ゆるく結合した、密結合した慣性磁気SLAM(IM-SLAM)システムを提案する。 提案システムでは、慣性測定ユニット(IMU)、磁力計アレイ、バロメーターなど、一般的に利用可能な低コストのセンサーを使用している。 実験結果から,密結合型IM-SLAMシステムは,ほとんどのシナリオにおいて疎結合型システムよりも低い位置決め誤差を実現することがわかった。
• 参考スコア（独自算出の注目度）: 7.8398541672110085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spatially inhomogeneous magnetic fields offer a valuable, non-visual information source for positioning. Among systems leveraging this, magnetic field-based simultaneous localization and mapping (SLAM) systems are particularly attractive because they can provide positioning information and build a magnetic field map on the fly. Moreover, they have bounded error within mapped regions. However, state-of-the-art methods typically require low-drift odometry data provided by visual odometry or a wheel encoder, etc. This is because these systems need to minimize/reduce positioning errors while exploring, which happens when they are in unmapped regions. To address these limitations, this work proposes a loosely coupled and a tightly coupled inertial magnetic SLAM (IM-SLAM) system. The proposed systems use commonly available low-cost sensors: an inertial measurement unit (IMU), a magnetometer array, and a barometer. The use of non-visual data provides a significant advantage over visual-based systems, making it robust to low-visibility conditions. Both systems employ state-space representations, and magnetic field models on different scales. The difference lies in how they use a local and global magnetic field model. The loosely coupled system uses these models separately in two state-space models, while the tightly coupled system integrates them into one state-space model. Experiment results show that the tightly coupled IM-SLAM system achieves lower positioning errors than the loosely coupled system in most scenarios, with typical errors on the order of meters per 100 meters traveled. These results demonstrate the feasiblity of developing a full 3D IM-SLAM systems using low-cost sensors and the potential of applying these systems in emergency response scenarios such as mine/fire rescue.
• Abstract（参考訳）: 空間的に不均一な磁場は位置決めに価値ある非視覚的情報源を提供する。 これを利用するシステムの中で、磁場に基づく同時位置決めマッピング(SLAM)システムは、位置決め情報を提供し、ハエに磁場マップを構築することができるため、特に魅力的である。 さらに、それらはマップされた領域内で境界誤差を持つ。 しかし、最先端の手法では、通常、ビジュアル・オドメトリーやホイール・エンコーダなどで提供される低ドリフト・オドメトリーデータを必要とする。 これは、これらのシステムが探索中に位置決めエラーを最小限に抑える必要があるためである。 これらの制約に対処するため、この研究は疎結合で密結合した慣性磁気SLAM(IM-SLAM)システムを提案する。 提案システムでは、慣性測定ユニット(IMU)、磁力計アレイ、バロメーターなど、一般的に利用可能な低コストのセンサーを使用している。 非視覚データの使用は、視覚ベースのシステムに対して大きな優位性をもたらし、低視認性条件に対して堅牢である。 どちらの系も状態空間表現と異なるスケールでの磁場モデルを採用している。 その違いは、局所的および大域的磁場モデルの使用方法にある。 疎結合系は2つの状態空間モデルに分離してこれらのモデルを使用し、密結合系はそれらを1つの状態空間モデルに統合する。 実験結果から, 密結合型IM-SLAMシステムでは, 100メートルあたりの誤差が典型的であり, 疎結合型システムよりも低い位置決め誤差が得られることがわかった。 これらの結果は,低コストセンサを用いたフル3次元IM-SLAMシステムの開発と,地雷・火災救助などの緊急対応シナリオにこれらのシステムを適用する可能性を示している。

関連論文リスト

• Magnetic field estimation using Gaussian process regression for interactive wireless power system design [6.102646086243458]
  共振器を結合したワイヤレス電力伝送は、電子機器のシームレスな電力供給に有望なソリューションを提供する。 磁場と電力伝達効率を可視化するインタラクティブな設計手法は、これらのシステムの理解と探索を容易にする。 本稿では,Gaussian Process Regression (GPR) を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2025-10-22T06:26:38Z)
• Observation of Magnetic Devil's Staircase-Like Behavior in Quasiperiodic Qubit Lattices [55.2480439325792]
  悪魔の階段(DS)現象は、外界への磁化のフラクタル反応である。 我々は、単純で効果的なIsing-modelフレームワークにおいて、外部磁場の増加によって引き起こされる急激な磁気遷移を多数発見する。 本研究は,DSの挙動が周期的システムに限定されているという一般的な見方に挑戦する。
  論文  参考訳（メタデータ） (2025-07-24T21:39:06Z)
• MagShield: Towards Better Robustness in Sparse Inertial Motion Capture Under Magnetic Disturbances [13.892372294378282]
  MagShieldは、スパース慣性モーションキャプチャ(MoCap)システムにおける磁気干渉の問題に対処するために設計された。 マルチIMU関節分析により磁気障害を初めて検出し、人間の動き先を用いて方向誤差を補正する。
  論文  参考訳（メタデータ） (2025-06-28T14:42:59Z)
• Generalized Gouy Rotation of Electron Vortex beams in uniform magnetic fields [54.010858975226945]
  電子渦ビームの固有回転は、ビームの円筒対称性を破って磁場下で実験的に観察されている。 ランダウ状態のグーイ位相と実験的に観測された角変化を結びつける一般化したグーイ回転角を導入・導出する。 我々の結果は、原理的には、均一磁場中の電子渦ビームを含むあらゆるシステムに適用できる。
  論文  参考訳（メタデータ） (2024-07-03T03:29:56Z)
• Random forests for detecting weak signals and extracting physical information: a case study of magnetic navigation [0.0]
  貯水池計算と時間遅延フィードフォワードニューラルネットワークという2つの機械学習アーキテクチャは、GPSで測定された環境で地球の異常磁場を検出するために利用することができる。 我々は,複数の決定木の出力を組み合わせたランダム森林の機械学習モデルを利用して,物理量の最適値を与える。 ランダムフォレストアルゴリズムは, 弱い異常場の検出や航空機の位置のフィルタリングにおいて, 極めてよく機能することを示す。
  論文  参考訳（メタデータ） (2024-02-21T21:10:12Z)
• Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic Navigation Systems using Liquid Time-Constant Networks [0.09514898210006967]
  磁気航法 (MagNav) はGPS(Global Positioning System)の代替であり、航空機の航法に有用であることが証明されている。 従来の航空航法システムでは、特定の環境での精度と信頼性、攻撃に対する制限に直面している。 我々は,MagNav位置推定のためのクリーンで信頼性が高く正確な磁気信号を抽出するための物理情報を用いた機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-17T22:46:51Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Multiclass Permanent Magnets Superstructure for Indoor Localization using Artificial Intelligence [1.3048920509133808]
  スマートフォンは,ユーザの屋内位置推定や位置推定に人気がある。 既存のソリューションは主にWi-Fi、RFID、磁気センシング技術を用いて、混雑した会場での動きを追跡する。 本稿では,そのアルゴリズムを拡張したマルチスーパーストラクチャローカライゼーション手法を提案する。
  論文  参考訳（メタデータ） (2021-07-14T09:59:58Z)
• Adaptive Machine Learning for Time-Varying Systems: Low Dimensional Latent Space Tuning [91.3755431537592]
  本稿では,時間変化システムを対象とした適応機械学習手法を提案する。 我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。 そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
  論文  参考訳（メタデータ） (2021-07-13T16:05:28Z)
• Simplifying Hamiltonian and Lagrangian Neural Networks via Explicit Constraints [49.66841118264278]
  私たちは、現在のアプローチの限界を押し上げるために、一連の挑戦的なカオスと拡張ボディシステムを導入します。 実験の結果,明示的な制約を持つモンテカルロ座標は,精度とデータ効率を100倍に向上させることがわかった。
  論文  参考訳（メタデータ） (2020-10-26T13:35:16Z)
• 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。