論文の概要: Mr. Virgil: Learning Multi-robot Visual-range Relative Localization
- arxiv url: http://arxiv.org/abs/2512.10540v1
- Date: Thu, 11 Dec 2025 11:16:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.283275
- Title: Mr. Virgil: Learning Multi-robot Visual-range Relative Localization
- Title（参考訳）: Virgil氏:マルチロボット・ビジュアルレンジの相対的ローカライゼーションを学ぶ
- Authors: Si Wang, Zhehan Li, Jiadong Lu, Rong Xiong, Yanjun Cao, Yue Wang,
- Abstract要約: Mr. Virgilは、エンド・ツー・エンドの学習用マルチロボット・ビジュアルレンジ相対的ローカライゼーションフレームワークである。
UWBレンジと視覚検出のデータを関連付けるグラフニューラルネットワークと、PGO(di differentiable pose graph optimization)バックエンドで構成されている。
- 参考スコア（独自算出の注目度）: 23.326282078324954
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultra-wideband (UWB)-vision fusion localization has achieved extensive applications in the domain of multi-agent relative localization. The challenging matching problem between robots and visual detection renders existing methods highly dependent on identity-encoded hardware or delicate tuning algorithms. Overconfident yet erroneous matches may bring about irreversible damage to the localization system. To address this issue, we introduce Mr. Virgil, an end-to-end learning multi-robot visual-range relative localization framework, consisting of a graph neural network for data association between UWB rangings and visual detections, and a differentiable pose graph optimization (PGO) back-end. The graph-based front-end supplies robust matching results, accurate initial position predictions, and credible uncertainty estimates, which are subsequently integrated into the PGO back-end to elevate the accuracy of the final pose estimation. Additionally, a decentralized system is implemented for real-world applications. Experiments spanning varying robot numbers, simulation and real-world, occlusion and non-occlusion conditions showcase the stability and exactitude under various scenes compared to conventional methods. Our code is available at: https://github.com/HiOnes/Mr-Virgil.
- Abstract（参考訳）: ウルトラワイドバンド(UWB)-ビジョン融合ローカライゼーションは、マルチエージェント相対ローカライゼーションの領域で広く応用されている。
ロボットと視覚検出の難解なマッチング問題は、IDを符号化したハードウェアや微妙なチューニングアルゴリズムに大きく依存する既存のメソッドをレンダリングする。
過度に信頼されているが誤った一致は、ローカライゼーションシステムに不可逆的なダメージをもたらす可能性がある。
この問題に対処するために、Virgil氏は、UWB範囲と視覚的検出を関連付けるグラフニューラルネットワークと、PGOバックエンドを組み合わせた、エンドツーエンドの学習用マルチロボットビジュアルレンジ相対的ローカライズフレームワークを紹介した。
グラフベースのフロントエンドは、堅牢なマッチング結果、正確な初期位置予測、信頼性のある不確実性推定をPGOバックエンドに統合し、最終的なポーズ推定の精度を高める。
さらに、分散システムは現実世界のアプリケーション向けに実装されている。
様々なロボットの数、シミュレーション、実世界、閉塞条件、非閉塞条件にまたがる実験は、従来の方法と比較して、様々な場面における安定性と正確性を示している。
私たちのコードは、https://github.com/HiOnes/Mr-Virgil.comで利用可能です。
関連論文リスト
- Distributed and Consistent Multi-Robot Visual-Inertial-Ranging Odometry on Lie Groups [1.2247984232203188]
本稿では、複数のロボット間でVIOとUWBの測定を密に融合させる分散視覚慣性測度(DC-VIRO)フレームワークを提案する。
リー群上の右不変誤差定式化を利用して、提案手法は標準VIOの可観測性を保存する。
論文 参考訳（メタデータ） (2026-02-22T13:07:50Z) - Markerless Robot Detection and 6D Pose Estimation for Multi-Agent SLAM [9.016715022913793]
マルチロボットSLAMアプローチは、ローカライゼーション履歴と異なるオブザーバからのマップをマージするものであり、データアソシエーションの確立が困難である。
本稿では,Deep-Learningに基づく6次元ポーズ推定の最近の進歩を活用する新しい手法を提案する。
分散型マルチロボットSLAMシステムの一部としてマーカレスポーズ推定を特徴とし,ロボットチーム間の相対的な位置推定精度の利点を示す。
論文 参考訳（メタデータ） (2026-02-18T09:38:06Z) - Policies over Poses: Reinforcement Learning based Distributed Pose-Graph Optimization for Multi-Robot SLAM [1.3750624267664158]
多ボットローカライゼーションにおける逐次分散ポーズグラフ最適化(PGO)について検討する。
我々は,PGOをマルコフニューラルネットワーク(GNN)上で定義された部分観測可能なゲームとみなし,各アクションが単一エッジのポーズ推定を洗練させる。
学習者の平均軌道は37.5%減少し,効率は少なくとも6倍向上した。
論文 参考訳（メタデータ） (2025-10-26T16:21:24Z) - Towards an Accurate and Effective Robot Vision (The Problem of Topological Localization for Mobile Robots) [0.43064121494080315]
本研究は,ロボットプラットフォームに搭載された視点カラーカメラで取得した画像のみを用いて,オフィス環境におけるトポロジカルローカライゼーションに対処する。
テキスト検索にヒントを得たColor Histograms, SIFT, ASIFT, RGB-SIFT, Bag-of-Visual-Wordsアプローチなど,最先端のビジュアル記述子の評価を行った。
論文 参考訳（メタデータ） (2025-09-05T09:14:59Z) - Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。
VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。
提案手法では,データベース画像の重複点の評価に投票機構を用いる。
論文 参考訳（メタデータ） (2024-06-23T20:00:20Z) - Self-Localized Collaborative Perception [49.86110931859302]
我々は,新しい自己局在型協調認識システムであるMathttCoBEVGlue$を提案する。
$mathttCoBEVGlue$は、エージェント間の相対的なポーズを提供する新しい空間アライメントモジュールである。
$mathttCoBEVGlue$は任意のローカライゼーションノイズとアタックの下で最先端の検出性能を達成する。
論文 参考訳（メタデータ） (2024-06-18T15:26:54Z) - Breaking Modality Disparity: Harmonized Representation for Infrared and
Visible Image Registration [66.33746403815283]
シーン適応型赤外線と可視画像の登録を提案する。
我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。
我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
論文 参考訳（メタデータ） (2023-04-12T06:49:56Z) - Graph Neural Networks for Multi-Robot Active Information Acquisition [15.900385823366117]
基礎となるグラフを通して通信する移動ロボットのチームは、興味のある現象を表す隠れた状態を推定する。
既存のアプローチはスケーラブルではないか、動的現象に対処できないか、あるいは通信グラフの変化に対して堅牢でないかのどちらかです。
本稿では,グラフ表現上に情報を集約し,逐次決定を分散的に行う情報対応グラフブロックネットワーク(I-GBNet)を提案する。
論文 参考訳（メタデータ） (2022-09-24T21:45:06Z) - RISP: Rendering-Invariant State Predictor with Differentiable Simulation
and Rendering for Cross-Domain Parameter Estimation [110.4255414234771]
既存のソリューションでは、大量のトレーニングデータが必要か、未知のレンダリング設定への一般化性が欠如している。
本稿では、ドメインのランダム化と微分可能なレンダリング勾配を併用してこの問題に対処する手法を提案する。
提案手法は, 再構成誤差を大幅に低減し, 未知のレンダリング構成間の一般化性が向上する。
論文 参考訳（メタデータ） (2022-05-11T17:59:51Z) - Towards Scale Consistent Monocular Visual Odometry by Learning from the
Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。
まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。
結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文 参考訳（メタデータ） (2022-03-11T01:51:54Z)
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。