Fugu-MT 論文翻訳(概要): Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization

論文の概要: Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization

arxiv url: http://arxiv.org/abs/2603.03556v1
Date: Tue, 03 Mar 2026 22:15:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-05 21:29:15.108482
Title: Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization
Title（参考訳）: Factor Graph Optimization を用いた実時間強結合 GNSS と IMU の統合
Authors: Radu-Andrei Cioaca, Paul Irofti, Cristian Rusu, Gianluca Caparra, Andrei-Alexandru Marinache, Florin Stoican,
Abstract要約: 固定ラグ残差化を用いたインクリメンタル最適化により因果状態推定が可能なリアルタイム密結合型IMU法を提案する。 UrbanNavデータセットを用いて、高度に都市化劣化した環境での性能を評価する。
参考スコア（独自算出の注目度）: 3.306326078788103
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reliable positioning in dense urban environments remains challenging due to frequent GNSS signal blockage, multipath, and rapidly varying satellite geometry. While factor graph optimization (FGO)-based GNSS-IMU fusion has demonstrated strong robustness and accuracy, most formulations remain offline. In this work, we present a real-time tightly coupled GNSS-IMU FGO method that enables causal state estimation via incremental optimization with fixed-lag marginalization, and we evaluate its performance in a highly urbanized GNSS-degraded environment using the UrbanNav dataset.
Abstract（参考訳）: 密集した都市環境における信頼性の高い位置決めは、GNSS信号ブロック、マルチパス、そして急速に変化する衛星測地が頻繁に発生するため、依然として困難である。因子グラフ最適化(FGO)に基づくGNSS-IMU融合は強い堅牢性と精度を示したが、ほとんどの定式化はオフラインのままである。本研究では,GNSS-IMU FGO法をリアルタイムに結合し,固定ラグ残差化による漸進的最適化による因果状態推定を実現し,都市化GNSS劣化環境におけるその性能をUrbanNavデータセットを用いて評価する。

関連論文リスト

Real-time loosely coupled GNSS and IMU integration via Factor Graph Optimization [3.306326078788103]
位置、航法、タイミング(PNT)の重要な構成要素は地球航法衛星システム(GNSS)である。現代の研究の方向性は、他の感覚情報と融合することで、ローカライゼーションのパフォーマンスを新たな高地に押し上げた。因子グラフ最適化(FGO)フレームワークを用いて測定を統合化するための疎結合アーキテクチャを提案する。
論文参考訳（メタデータ） (2026-03-03T21:59:55Z)
PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
論文参考訳（メタデータ） (2026-01-19T07:57:52Z)
Adaptive Factor Graph-Based Tightly Coupled GNSS/IMU Fusion for Robust Positionin [0.0]
密結合/IMU融合はロバスト性を改善するが、非ガウスノイズや外れ値に弱いままである。擬似距離測定とIMU事前積分係数を統合した,頑健で適応的な因子グラフに基づく融合フレームワークを提案する。提案手法は,標準FGOと比較して最大41%の精度で位置決め誤差を低減し,調整可能な都市環境における拡張カルマンフィルタ(EKF)よりもさらに大きな改善を実現する。
論文参考訳（メタデータ） (2025-11-28T09:33:13Z)
Stable Multi-Drone GNSS Tracking System for Marine Robots [7.911692711262891]
表層および近面の海洋ロボットのためのスケーラブルなマルチドローンベーストラッキングシステムを提案する。提案手法は,効率的な視覚検出,軽量な多対象追跡,信頼度重み付き拡張カルマンフィルタ(EKF)を組み合わせることで,リアルタイムに安定した推定を行う。
論文参考訳（メタデータ） (2025-11-24T02:28:31Z)
Edge Collaborative Gaussian Splatting with Integrated Rendering and Communication [69.23838350582764]
エッジ協調(ECO-GS)では,各ユーザが小さなGSモデルに切り替えて忠実さを保証し,遠隔大GSモデルで忠実さを保証できる。低コストのレンダリングステータスとエッジパワー割り当てを協調的に最適化する統合通信(IRAC)を提案する。
論文参考訳（メタデータ） (2025-10-26T15:33:29Z)
GNSS-inertial state initialization by distance residuals [9.192660643226372]
本稿では,フレーム間の変換を正確に推定するために十分な情報が得られるまで,グローバルな計測方法の使用を遅らせるための新しい戦略を提案する。 EuRoCデータセットとGVINSデータセットの実験から、私たちのアプローチは、最初からグローバルデータを使用するというナイーブな戦略を一貫して上回ります。
論文参考訳（メタデータ） (2025-06-13T07:37:25Z)
Distributed Stochastic Gradient Descent with Staleness: A Stochastic Delay Differential Equation Based Framework [56.82432591933544]
分散勾配降下(SGD)は、計算リソースのスケーリング、トレーニング時間の短縮、マシンラーニングにおけるユーザのプライバシ保護の支援などにより、近年注目されている。本稿では,遅延微分方程式(SDDE)と勾配到着の近似に基づく分散SGDの実行時間と安定化について述べる。活性化作業員の増加は, 安定度による分散SGDを必ずしも加速させるものではないことが興味深い。
論文参考訳（メタデータ） (2024-06-17T02:56:55Z)
Sky-GVIO: an enhanced GNSS/INS/Vision navigation with FCN-based sky-segmentation in urban canyon [3.870599032599567]
都市キャニオン環境では、高層建築物によるスタンドアロンセンサと非視線(NLOS)の脆弱性が位置決め結果に深刻な影響を及ぼす。これらの課題に対処するために、NLOS検出のためにFCN(Fully Convolutional Network)に基づくスカイビュー画像分割アルゴリズムを提案する。新たなNLOS検出・緩和アルゴリズム(S-NDM)は、密結合したグローバルナビゲーション衛星システム(GNSS)、慣性計測ユニット(IMU)、Sky-GVIOと呼ばれる視覚機能システムに拡張されている。
論文参考訳（メタデータ） (2024-04-17T04:59:36Z)
AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion [48.835456049755166]
AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
論文参考訳（メタデータ） (2023-01-28T09:06:50Z)
On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。本稿では,密集市街地における局所化問題について検討する。まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文参考訳（メタデータ） (2022-11-28T00:31:02Z)
Space-Time Graph Neural Networks with Stochastic Graph Perturbations [100.31591011966603]
時空間グラフニューラルネットワーク(ST-GNN)は、時間変動データの効率的なグラフ表現を学習する。本稿では,ST-GNNの特性を再検討し,安定なグラフ安定性を示す。解析の結果,ST-GNNは時間変化グラフ上での移動学習に適していることが示唆された。
論文参考訳（メタデータ） (2022-10-28T16:59:51Z)

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。