論文の概要: Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing

• arxiv url: http://arxiv.org/abs/2603.02742v1
• Date: Tue, 03 Mar 2026 08:43:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.85173
• Title: Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing
• Title（参考訳）: 自律型ドローンレースにおけるロバスト密結合フィルタを用いた単眼視覚慣性状態推定とグラフベース評価
• Authors: Maulana Bisyir Azhari, Donghun Han, SungJun Park, David Hyunchul Shim,
• Abstract要約: 自律型ドローンレースのための堅牢な視覚-慣性推定フレームワークを提案する。 ADR-VINS は平均 RMS 変換 0.134 m, ADR-FGO は 0.060 m である。 最後に,ADR-FGOによる飛行後評価について述べる。
• 参考スコア（独自算出の注目度）: 5.29147071389637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous drone racing (ADR) demands state estimation that is simultaneously computationally efficient and resilient to the perceptual degradation experienced during extreme velocity and maneuvers. Traditional frameworks typically rely on conventional visual-inertial pipelines with loosely-coupled gate-based Perspective-n-Points (PnP) corrections that suffer from a rigid requirement for four visible features and information loss in intermediate steps. Furthermore, the absence of GNSS and Motion Capture systems in uninstrumented, competitive racing environments makes the objective evaluation of such systems remarkably difficult. To address these limitations, we propose ADR-VINS, a robust, monocular visual-inertial state estimation framework based on an Error-State Kalman Filter (ESKF) tailored for autonomous drone racing. Our approach integrates direct pixel reprojection errors from gate corners features as innovation terms within the filter. By bypassing intermediate PnP solvers, ADR-VINS maintains valid state updates with as few as two visible corners and utilizes robust reweighting instead of RANSAC-based schemes to handle outliers, enhancing computational efficiency. Furthermore, we introduce ADR-FGO, an offline Factor-Graph Optimization framework to generate high-fidelity reference trajectories that facilitate post-flight performance evaluation and analysis on uninstrumented, GNSS-denied environments. The proposed system is validated using TII-RATM dataset, where ADR-VINS achieves an average RMS translation error of 0.134 m, while ADR-FGO yields 0.060 m as a smoothing-based reference. Finally, ADR-VINS was successfully deployed in the A2RL Drone Championship Season 2, maintaining stable and robust estimation despite noisy detections during high-agility flight at top speeds of 20.9 m/s. We further utilize ADR-FGO for post-flight evaluation in uninstrumented racing environments.
• Abstract（参考訳）: 自律型ドローンレース(ADR)は、極端な速度と操作で経験した知覚的劣化に対して同時に計算効率が高くレジリエントな状態推定を要求する。 従来のフレームワークは、通常、4つの目に見える特徴と中間ステップにおける情報損失の厳格な要件に苦しむゲートベースのパースペクティブ・n・ポイント(PnP)補正を緩く結合した従来のビジュアル・慣性パイプラインに依存している。 さらに、GNSSとモーションキャプチャシステムが未整備で競争力のあるレース環境に存在しないことは、これらのシステムの客観的評価を著しく困難にしている。 これらの制約に対処するため,自律型ドローンレースに適したError-State Kalman Filter(ESKF)に基づく,堅牢で単眼的な視覚慣性状態推定フレームワークであるADR-VINSを提案する。 提案手法では, ゲートコーナー特徴からの画素再投影誤差を, フィルタ内のイノベーション用語として統合する。 中間のPnPソルバをバイパスすることにより、ADR-VINSは2つの目に見えるコーナーで有効な状態更新を維持し、アウターを処理するためのRANSACベースのスキームの代わりに堅牢な再重み付けを利用し、計算効率を向上する。 さらに,非構造化GNSS環境での飛行後性能評価と解析を容易にする高忠実度参照軌道を生成するオフラインFacter-Graph OptimizationフレームワークであるADR-FGOを紹介する。 ADR-VINS は平均 RMS 翻訳誤差 0.134 m を達成し,ADR-FGO は 0.060 m を平滑化基準とする。 最終的に、ADR-VINSはA2RLドローン選手権シーズン2で、最高速度20.9m/sで高高度飛行中のノイズ検出にもかかわらず、安定かつ堅牢な評価を維持した。 さらに,ADR-FGOを未整備のレース環境での飛行後評価に活用する。

関連論文リスト

• Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
  この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。 提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。 堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
  論文  参考訳（メタデータ） (2026-03-16T07:44:28Z)
• H-RINS: Hierarchical Tightly-coupled Radar-Inertial Navigation via Smoothing and Mapping [2.3821762993135507]
  ミリ波レーダーは、視覚的に劣化した環境で堅牢な知覚を提供する。 レーダー慣性状態推定は本質的にドリフトの影響を受けやすい。 本稿では,密結合型階層型レーダ慣性係数グラフフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-14T20:30:49Z)
• Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
  本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。 スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。 退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
  論文  参考訳（メタデータ） (2026-03-13T11:09:50Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
  固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。 従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。 本稿では,DRLに基づくUAV衝突回避システムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T03:03:37Z)
• ReLoc-PDR: Visual Relocalization Enhanced Pedestrian Dead Reckoning via Graph Optimization [4.188058836787458]
  この研究は、歩行者の死亡推定と視覚的再局在を組み合わせた融合フレームワークであるReLoc-PDRを提案する。 タキーカーネルによるグラフ最適化に基づく融合機構は、累積誤差を効果的に補正し、異常な視覚的観察の影響を軽減する。 実世界の実験により、我々のReLoc-PDRは精度とロバスト性において代表的手法を超越していることが示された。
  論文  参考訳（メタデータ） (2023-09-04T14:54:47Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)

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。