論文の概要: FoMo: A Multi-Season Dataset for Robot Navigation in Forêt Montmorency

• arxiv url: http://arxiv.org/abs/2603.08433v1
• Date: Mon, 09 Mar 2026 14:30:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.105522
• Title: FoMo: A Multi-Season Dataset for Robot Navigation in Forêt Montmorency
• Title（参考訳）: FoMo:Forêt Monmorencyにおけるロボットナビゲーションのためのマルチシーソンデータセット
• Authors: Matěj Boxan, Gabriel Jeanson, Alexander Krawciw, Effie Daum, Xinyuan Qiao, Sven Lilge, Timothy D. Barfoot, François Pomerleau,
• Abstract要約: Fort Montmorencyデータセット(フォートモンモランシーデータセット)は、ボレア林で1年間にわたって記録された総合的なマルチシーズンデータ収集である。 FoMoデータセットには、年間12回のデプロイで繰り返される6つの多様な軌道の64km以上が含まれている。 データセットの関連性を明らかにするために,ライダー慣性,レーダージャイロ,視覚慣性局所化と季節変化へのマッピング手法の堅牢性について予備評価を行った。
• 参考スコア（独自算出の注目度）: 42.90420458243482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Forêt Montmorency (FoMo) dataset is a comprehensive multi-season data collection, recorded over the span of one year in a boreal forest. Featuring a unique combination of on- and off-pavement environments with significant environmental changes, the dataset challenges established odometry and SLAM pipelines. Some highlights of the data include the accumulation of snow exceeding 1 m, significant vegetation growth in front of sensors, and operations at the traction limits of the platform. In total, the FoMo dataset includes over 64 km of six diverse trajectories, repeated during 12 deployments throughout the year. The dataset features data from one rotating and one hybrid solid-state lidar, a Frequency Modulated Continuous Wave (FMCW) radar, full-HD images from a stereo camera and a wide lens monocular camera, as well as data from two IMUs. Ground Truth is calculated by post-processing three GNSS receivers mounted on the Uncrewed Ground Vehicle (UGV) and a static GNSS base station. Additional metadata, such as one measurement per minute from an on-site weather station, camera calibration intrinsics, and vehicle power consumption, is available for all sequences. To highlight the relevance of the dataset, we performed a preliminary evaluation of the robustness of a lidar-inertial, radar-gyro, and a visual-inertial localization and mapping techniques to seasonal changes. We show that seasonal changes have serious effects on the re-localization capabilities of the state-of-the-art methods. The dataset and development kit are available at https://fomo.norlab.ulaval.ca.
• Abstract（参考訳）: Forêt Montmorency (FoMo)データセットは、ボレア林で1年間にわたって記録された総合的なマルチシーズンデータ収集である。 オン・アンド・オフ・舗装環境と大きな環境変化のユニークな組み合わせとして、データセットはオドメトリーとSLAMパイプラインを確立した。 データには1mを超える雪の蓄積、センサーの前での植生の著しい成長、プラットフォームの牽引限界での運用などが含まれている。 合計で、FoMoデータセットは6つの多様な軌道の64km以上を含み、年間12回の展開で繰り返されている。 データセットには、1つの回転と1つのハイブリッド固体ライダー、周波数変調連続波(FMCW)レーダー、ステレオカメラからのフルHD画像、広角レンズ単眼カメラ、および2つのIMUのデータが含まれている。 グラウンド・トゥルースは、アンクルード・グラウンド・ビークル (Uncrewed Ground Vehicle, UGV) に搭載された3基のGNSS受信機と静止GNSS基地局を後処理することで計算される。 現場の気象観測所からの1分間の計測、カメラのキャリブレーション・イントリンシクス、車両の電力消費などの追加メタデータは、全てのシーケンスで利用可能である。 データセットの関連性を明らかにするため,ライダー慣性,レーダージャイロ,視覚慣性局所化と季節変化へのマッピング手法の堅牢性について予備評価を行った。 季節変化が最先端手法の再局在能力に重大な影響を及ぼすことを示す。 データセットと開発キットはhttps://fomo.norlab.ulaval.ca.comで入手できる。

関連論文リスト

• The Rosario Dataset v2: Multimodal Dataset for Agricultural Robotics [0.0]
  このデータセットは、農業環境におけるロボット工学に固有の重要な課題を捉えている。 これらの複雑さに対処することで、データセットは高度なアルゴリズムの開発とベンチマークをサポートすることを目指している。 プラットフォームとデータ収集システムは,マルチモーダルSLAMシステムを評価する上で重要な要件を満たすように設計されている。
  論文  参考訳（メタデータ） (2025-08-29T13:58:55Z)
• EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
  本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。 このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。 このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
  論文  参考訳（メタデータ） (2025-01-14T13:42:22Z)
• M3LEO: A Multi-Modal, Multi-Label Earth Observation Dataset Integrating Interferometric SAR and Multispectral Data [1.4053129774629076]
  M3LEOはマルチモーダルでマルチラベルの地球観測データセットである。 6つの地理的領域から約17M 4x4 kmのデータチップにまたがる。
  論文  参考訳（メタデータ） (2024-06-06T16:30:41Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)
• 4Seasons: A Cross-Season Dataset for Multi-Weather SLAM in Autonomous Driving [43.09957836757648]
  本稿では,自律運転における季節的・挑戦的な知覚条件をカバーする新しいデータセットを提案する。 その中には、視覚計測、グローバルな位置認識、マップベースの再位置追跡などが含まれる。
  論文  参考訳（メタデータ） (2020-09-14T12:31:20Z)

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。