論文の概要: PathSpace: Rapid continuous map approximation for efficient SLAM using B-Splines in constrained environments

• arxiv url: http://arxiv.org/abs/2603.02538v2
• Date: Thu, 19 Mar 2026 14:10:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.843409
• Title: PathSpace: Rapid continuous map approximation for efficient SLAM using B-Splines in constrained environments
• Title（参考訳）: PathSpace:制約環境におけるB-Splinesを用いた効率的なSLAMのための高速連続写像近似
• Authors: Aduen Benjumea, Andrew Bradley, Alexander Rast, Matthias Rolf,
• Abstract要約: 同時位置決めとマッピング(SLAM)は、自動運転車がこれまで知られていなかった環境をナビゲートする上で重要な役割を担っている。 環境をコンパクトに表現するために,連続的なB-スプラインを用いた新しい意味的SLAMフレームワークPathSpaceを提案する。 我々は、このフレームワークを自律レースの文脈でテストし、事前に規定されたトラック特性を利用して、従来のランドマークベースの手法と同等の精度で、大幅に削減された表現を生成する。
• 参考スコア（独自算出の注目度）: 39.66219388751221
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simultaneous Localization and Mapping (SLAM) plays a crucial role in enabling autonomous vehicles to navigate previously unknown environments. Semantic SLAM mostly extends visual SLAM, leveraging the higher density information available to reason about the environment in a more human-like manner. This allows for better decision making by exploiting prior structural knowledge of the environment, usually in the form of labels. Current semantic SLAM techniques still mostly rely on a dense geometric representation of the environment, limiting their ability to apply constraints based on context. We propose PathSpace, a novel semantic SLAM framework that uses continuous B-splines to represent the environment in a compact manner, while also maintaining and reasoning through the continuous probability density functions required for probabilistic reasoning. This system applies the multiple strengths of B-splines in the context of SLAM to interpolate and fit otherwise discrete sparse environments. We test this framework in the context of autonomous racing, where we exploit pre-specified track characteristics to produce significantly reduced representations at comparable levels of accuracy to traditional landmark based methods and demonstrate its potential in limiting the resources used by a system with minimal accuracy loss.
• Abstract（参考訳）: 同時局在マッピング(SLAM)は、自動運転車がこれまで知られていなかった環境をナビゲートできるようにする上で重要な役割を担っている。 セマンティックSLAMは主に視覚的SLAMを拡張し、より人間的な方法で環境について推論できる高密度情報を活用する。 これにより、環境の以前の構造的知識、通常はラベルの形で活用することで、より良い意思決定が可能になる。 現在の意味論的SLAM技術は、ほとんどの場合、環境の密集した幾何学的表現に依存しており、文脈に基づいて制約を適用する能力を制限する。 確率論的推論に必要な連続確率密度関数を保守し, 推論しながら, 環境をコンパクトに表現する, 連続的B-スプラインを用いた新しい意味論的SLAMフレームワークPathSpaceを提案する。 このシステムは、SLAMの文脈においてB-スプラインの複数の強みを適用して、別個のスパース環境を補間し、適合させる。 我々は、このフレームワークを自律レースの文脈でテストし、事前に規定されたトラック特性を利用して、従来のランドマークベースの手法に匹敵する精度で大幅に削減された表現を生成し、システムのリソースを最小限の精度で制限する可能性を実証した。

関連論文リスト

• AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
  AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。 AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
  論文  参考訳（メタデータ） (2026-01-14T20:56:50Z)
• LCP-Fusion: A Neural Implicit SLAM with Enhanced Local Constraints and Computable Prior [22.948360879064758]
  LCP-Fusionは、局所的な制約が強化され、計算可能な事前計算が可能な、神経暗黙のSLAMシステムである。 提案手法は,既存のRGB-D暗黙SLAMよりも高精度な局所化精度と再構成整合性を実現する。
  論文  参考訳（メタデータ） (2024-11-06T02:05:44Z)
• Certifiably Robust Policies for Uncertain Parametric Environments [57.2416302384766]
  本稿ではパラメータ上の未知分布を持つパラメトリックマルコフ決定プロセス(MDP)に基づくフレームワークを提案する。 パラメータによって誘導される未知のサンプル環境に対するIMDPの学習と解析を行う。 当社のアプローチは,信頼度の高い政策のパフォーマンスに厳密な拘束力をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-08-06T10:48:15Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning [17.69984142788365]
  被覆経路計画 (CPP) は、制限された領域の自由空間全体をカバーする経路を見つける問題である。 この課題に対する強化学習の適性について検討する。 本稿では,フロンティアに基づく計算可能なエゴセントリックマップ表現と,全変動に基づく新たな報酬項を提案する。
  論文  参考訳（メタデータ） (2023-06-29T14:32:06Z)
• An Adaptive Deep RL Method for Non-Stationary Environments with Piecewise Stable Context [109.49663559151377]
  未知の環境コンテキストへの適応に関する既存の作業は、コンテキストが全エピソードで同じであると仮定するか、コンテキスト変数がマルコフ的であると仮定するかのどちらかである。 本稿では,textittextbfSegmented textbfContext textbfBelief textbfAugmented textbfDeep(SeCBAD) RL法を提案する。 提案手法は,潜在コンテキスト上の信念分布と後方セグメント長とを共同で推定し,観測データを用いたより正確な信念コンテキスト推定を行う。
  論文  参考訳（メタデータ） (2022-12-24T13:43:39Z)
• PROB-SLAM: Real-time Visual SLAM Based on Probabilistic Graph Optimization [0.0]
  従来のSLAMアルゴリズムは通常、高いレベルの情報を持たない人工的な特徴に基づいている。 意味情報を導入することで、SLAMは純粋に手作りの機能よりも高い安定性と堅牢性を持つことができる。 本稿ではガウス分布仮定に基づく新しい確率写像を提案する。 動的オブジェクトを含む環境に適用できることを実証した。
  論文  参考訳（メタデータ） (2022-09-15T05:47:17Z)
• Environment Shaping in Reinforcement Learning using State Abstraction [63.444831173608605]
  状態抽象化を用いた環境形成の新しい枠組みを提案する。 私たちのキーとなるアイデアは、ノイズの多い信号で環境の大きな状態空間を抽象空間に圧縮することです。 エージェントの方針は, 形状の環境において学習し, 元の環境において, ほぼ最適動作を保っていることを示す。
  論文  参考訳（メタデータ） (2020-06-23T17:00:22Z)
• DynamicSLAM: Leveraging Human Anchors for Ubiquitous Low-Overhead Indoor Localization [5.198840934055703]
  DynamicSLAM は室内でのローカライゼーション技術であり、キャリブレーションの手間を省く。 我々は,携帯電話の慣性センサーを用いてユーザの進路を追跡する。 DynamicSLAMは、環境内の他のユーザとの遭遇に基づいて、モバイルヒューマンアンカーという新しい概念を導入している。
  論文  参考訳（メタデータ） (2020-03-30T19:49:31Z)
• Applying Rule-Based Context Knowledge to Build Abstract Semantic Maps of Indoor Environments [2.4214518935746185]
  本稿では,データ抽象化のためのルールベースコンテキスト知識を用いたデータ駆動MCMCサンプリングと推論を組み合わせた手法を提案する。 このシステムの積は、知覚された環境のパラメトリック抽象モデルである。 実世界のデータを用いた実験は有望な結果を示し,システムの有用性を確認した。
  論文  参考訳（メタデータ） (2020-02-21T20:56:02Z)

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。