論文の概要: AIMS: An Adaptive Integration of Multi-Sensor Measurements for Quadrupedal Robot Localization
- arxiv url: http://arxiv.org/abs/2601.01561v1
- Date: Sun, 04 Jan 2026 15:21:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.624666
- Title: AIMS: An Adaptive Integration of Multi-Sensor Measurements for Quadrupedal Robot Localization
- Title（参考訳）: AIMS:四足歩行ロボット定位のためのマルチセンサ計測の適応的統合
- Authors: Yujian Qiu, Yuqiu Mu, Wen Yang, Hao Zhu,
- Abstract要約: AIMSは、退化環境における頑健な四足歩行ロボットの局所化のための適応型LiDAR-IMU-leg odometry fusion法である。
狭い廊下環境において得られた結果から,提案手法は最先端手法と比較して,局所化精度とロバスト性を向上させることが示された。
- 参考スコア（独自算出の注目度）: 13.338971590090898
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper addresses the problem of accurate localization for quadrupedal robots operating in narrow tunnel-like environments. Due to the long and homogeneous characteristics of such scenarios, LiDAR measurements often provide weak geometric constraints, making traditional sensor fusion methods susceptible to accumulated motion estimation errors. To address these challenges, we propose AIMS, an adaptive LiDAR-IMU-leg odometry fusion method for robust quadrupedal robot localization in degenerate environments. The proposed method is formulated within an error-state Kalman filtering framework, where LiDAR and leg odometry measurements are integrated with IMU-based state prediction, and measurement noise covariance matrices are adaptively adjusted based on online degeneracy-aware reliability assessment. Experimental results obtained in narrow corridor environments demonstrate that the proposed method improves localization accuracy and robustness compared with state-of-the-art approaches.
- Abstract（参考訳）: 本稿では,狭いトンネル環境下で動作している四足歩行ロボットの正確な位置決めの問題に対処する。
このようなシナリオの長大かつ均質な特徴のため、LiDAR測定は弱い幾何学的制約を与えることが多く、従来のセンサ融合法は蓄積された動き推定誤差に影響を受けやすい。
これらの課題に対処するために、縮退した環境における頑健な四足歩行ロボットの局所化のための適応型LiDAR-IMU-leg odometry fusion法であるAIMSを提案する。
提案手法は誤差状態のカルマンフィルタリングフレームワークで定式化され,LiDARと脚計測はIMUによる状態予測と統合され,オンライン縮退・認識信頼性評価に基づいてノイズ共分散行列が適応的に調整される。
狭い廊下環境において得られた実験結果から,提案手法は局部化精度とロバスト性を改善した。
関連論文リスト
- Coordinated Manipulation of Hybrid Deformable-Rigid Objects in Constrained Environments [3.915966095774856]
本研究は, ひずみに基づくコッサートロッドモデルを用いた準静電最適化に基づく操作プランナを提案する。
これは、厳密なツールで到達不能なオブジェクトに対して、タスク空間の目的を達成する一方で、制約を通して操作するための変形可能なリンクのコンプライアンスを利用する。
提案アルゴリズムは、様々なhDLOシステム上でのシミュレーションや、双腕ロボットシステムを用いた制約環境で操作された3リンクhDLOの実験で検証される。
論文 参考訳（メタデータ） (2026-03-13T12:34:49Z) - Integrated cooperative localization of heterogeneous measurement swarm: A unified data-driven method [19.08193262173557]
異種ロボットシステムにおける協調的局所化問題について検討した。
データ駆動型適応RL推定器は、不均一および一方向の測定を扱うために最初に開発された。
次に、分散ポーズ結合型CL戦略を設計し、CLを弱連結な指向性測定トポロジーの下で保証する。
論文 参考訳（メタデータ） (2026-03-05T08:28:15Z) - 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) - AI-Augmented Density-Driven Optimal Control (D2OC) for Decentralized Environmental Mapping [0.0]
本稿では,センサと通信の制限下でのマルチエージェント環境マッピングのためのAI拡張型分散フレームワークを提案する。
提案手法では, エージェントが局所密度推定を反復的に洗練できる適応的, 自己補正機構を提案する。
論文 参考訳（メタデータ） (2026-01-28T23:55:02Z) - Spiking Neural-Invariant Kalman Fusion for Accurate Localization Using Low-Cost IMUs [6.989460681111542]
スパイキングニューラルネットワーク(SNN)と不変拡張カルマンフィルタ(InEKF)を組み合わせた脳誘発状態推定フレームワークを提案する。
提案手法は,センサノイズに対する強い堅牢性を示し,実世界の移動ロボット応用の可能性を明らかにする。
論文 参考訳（メタデータ） (2026-01-13T06:12:12Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。