論文の概要: Multi-session Localization and Mapping Exploiting Topological Information

• arxiv url: http://arxiv.org/abs/2602.17226v1
• Date: Thu, 19 Feb 2026 10:17:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.566553
• Title: Multi-session Localization and Mapping Exploiting Topological Information
• Title（参考訳）: トポロジ情報を用いたマルチセッションのローカライゼーションとマッピング
• Authors: Lorenzo Montano-Olivan, Julio A. Placed, Luis Montano, Maria T. Lazaro,
• Abstract要約: 地図に基づくローカライゼーションに基づく新しいマルチセッションフレームワークを提案する。 提案手法にはトポロジインフォームドな不確実性を考慮した意思決定機構が組み込まれている。 提案手法は,データセットから重なり合う配列について検証し,実世界の鉱山のような環境での有効性を実証する。
• 参考スコア（独自算出の注目度）: 1.3316173544577008
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Operating in previously visited environments is becoming increasingly crucial for autonomous systems, with direct applications in autonomous driving, surveying, and warehouse or household robotics. This repeated exposure to observing the same areas poses significant challenges for mapping and localization -- key components for enabling any higher-level task. In this work, we propose a novel multi-session framework that builds on map-based localization, in contrast to the common practice of greedily running full SLAM sessions and trying to find correspondences between the resulting maps. Our approach incorporates a topology-informed, uncertainty-aware decision-making mechanism that analyzes the pose-graph structure to detect low-connectivity regions, selectively triggering mapping and loop closing modules. The resulting map and pose-graph are seamlessly integrated into the existing model, reducing accumulated error and enhancing global consistency. We validate our method on overlapping sequences from datasets and demonstrate its effectiveness in a real-world mine-like environment.
• Abstract（参考訳）: これまで訪れた環境での運用は、自動運転、測量、倉庫、家庭用ロボットなど、自律システムにとってますます重要になっている。 同じ領域を観測するこの繰り返し露見は、マッピングとローカライゼーション -- ハイレベルなタスクを可能にするための重要なコンポーネント -- に重大な課題をもたらします。 本研究では,全SLAMセッションを丁寧に実行し,結果として得られる地図間の対応を見出そうとする一般的な実践とは対照的に,地図に基づくローカライゼーションに基づく新しいマルチセッションフレームワークを提案する。 提案手法では, 姿勢グラフ構造を解析して低接続領域を検出し, マッピングとループ閉包モジュールを選択的にトリガーするトポロジインフォームで不確実性を考慮した意思決定機構を組み込んだ。 得られたマップとポーズグラフは、既存のモデルにシームレスに統合され、蓄積されたエラーを低減し、グローバルな一貫性を高める。 提案手法は,データセットからの重なり合う配列について検証し,実世界の鉱山のような環境での有効性を実証する。

関連論文リスト

• Geometric Multi-Session Map Merging with Learned Local Descriptors [1.826848871278733]
  大規模なマルチセッションポイントクラウドマップ統合のための学習ベースのローカル記述フレームワークであるGMLDを提案する。 提案フレームワークはキーポイント対応エンコーダと平面型幾何変換器を用いてループ閉包検出と相対ポーズ推定のための識別特徴を抽出する。 その結果, 高精度でロバストなマップを低誤差でマージし, ループクロージャ検出と相対ポーズ推定の両方において, 高い性能が得られることがわかった。
  論文  参考訳（メタデータ） (2025-12-30T17:56:15Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• FRAME: A Modular Framework for Autonomous Map Merging: Advancements in the Field [12.247977717070773]
  本稿では,エゴセントリックなマルチロボット探査における3次元点雲マップの融合について述べる。 提案手法は、最先端の場所認識と学習記述子を利用して、地図間の重複を効率的に検出する。 提案手法の有効性は,ロボット探査の複数のフィールドミッションを通じて実証された。
  論文  参考訳（メタデータ） (2024-04-27T20:54:15Z)
• Federated Multi-Agent Mapping for Planetary Exploration [0.4143603294943439]
  本稿では,エージェント間のグローバルマップモデルを生データを送信することなく,協調的にトレーニングするフェデレーション型マルチエージェントマッピング手法を提案する。 提案手法は暗黙的ニューラルマッピングを利用してパシモニアスで適応可能な表現を生成し,生のマップと比較して最大93.8%のデータを伝送する。 我々は,火星の地形や氷河のデータセットに対するアプローチの有効性を実証し,F1スコアを0.95ポイントまで下方経路計画を達成するとともに,地図の復元損失に勝る結果を得た。
  論文  参考訳（メタデータ） (2024-04-02T20:32:32Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
  本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。 具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。 その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-04T08:18:30Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
  メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。 地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。 提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-01T19:24:27Z)

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。