論文の概要: Industrial cuVSLAM Benchmark & Integration
- arxiv url: http://arxiv.org/abs/2603.16240v1
- Date: Tue, 17 Mar 2026 08:25:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-21 18:33:56.895986
- Title: Industrial cuVSLAM Benchmark & Integration
- Title（参考訳）: 産業用cuVSLAMベンチマークと統合
- Authors: Charbel Abi Hana, Kameel Amareen, Mohamad Mostafa, Dmitry Slepichev, Hesam Rabeti, Zheng Wang, Mihir Acharya, Anthony Rizk,
- Abstract要約: 本研究は,実世界の物流環境における移動ロボットナビゲーションのためのビジュアル・オドメトリー(VO)とビジュアル・SLAM(VSLAM)システムの総合的なベンチマーク評価を行う。
約1.7kmにまたがる大規模生産施設データセットとともに, 移動パターン, 回転パターン, 混合動作パターンを網羅した制御軌道を横断する複数のビジュアル・オドメトリー・アプローチを比較した。
Vicon モーションキャプチャシステムと LiDAR ベースのSLAM 参照から,Absolute Pose Error (APE) による地中真実に対する性能評価を行った。
- 参考スコア（独自算出の注目度）: 3.7329885586652694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents a comprehensive benchmark evaluation of visual odometry (VO) and visual SLAM (VSLAM) systems for mobile robot navigation in real-world logistical environments. We compare multiple visual odometry approaches across controlled trajectories covering translational, rotational, and mixed motion patterns, as well as a large-scale production facility dataset spanning approximately 1.7 km. Performance is evaluated using Absolute Pose Error (APE) against ground truth from a Vicon motion capture system and a LiDAR-based SLAM reference. Our results show that a hybrid stack combining the cuVSLAM front-end with a custom SLAM back-end achieves the strongest mapping accuracy, motivating a deeper integration of cuVSLAM as the core VO component in our robotics stack. We further validate this integration by deploying and testing the cuVSLAM-based VO stack on an NVIDIA Jetson platform.
- Abstract（参考訳）: 本研究は,実世界の物流環境における移動ロボットナビゲーションのためのビジュアル・オドメトリー(VO)とビジュアル・SLAM(VSLAM)システムの総合的なベンチマーク評価を行う。
約1.7kmにまたがる大規模生産施設データセットとともに, 移動パターン, 回転パターン, 混合動作パターンを網羅した制御軌道を横断する複数のビジュアル・オドメトリー・アプローチを比較した。
Vicon モーションキャプチャシステムと LiDAR ベースのSLAM 参照から,Absolute Pose Error (APE) による地中真実に対する性能評価を行った。
以上の結果から,cuVSLAMフロントエンドとカスタムSLAMバックエンドを組み合わせたハイブリッドスタックは,ロボットスタックの中核VOコンポーネントであるcuVSLAMのより深い統合を動機として,最強のマッピング精度を実現することが示唆された。
NVIDIA Jetsonプラットフォーム上にcuVSLAMベースのVOスタックをデプロイし、テストすることで、この統合をさらに検証する。
関連論文リスト
- VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。
堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。
本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
論文 参考訳（メタデータ） (2025-12-02T00:19:13Z) - SLAM-Former: Putting SLAM into One Transformer [28.173503112119374]
SLAM-Formerは、完全なSLAMを単一の変換器に統合する新しいニューラルアプローチである。
SLAM-Formerは,最先端の高密度SLAM法と比較して,優れた,あるいは高い競争力を発揮することを示す。
論文 参考訳（メタデータ） (2025-09-21T04:04:47Z) - cuVSLAM: CUDA accelerated visual odometry and mapping [72.43057259584663]
cuVSLAMは、視覚的同時ローカライゼーションとマッピングのための最先端のソリューションである。
複数のRGBと深度カメラ、慣性測定ユニットなど、さまざまなビジュアル慣性センサースイートで操作できる。
論文 参考訳（メタデータ） (2025-06-04T18:20:17Z) - WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments [48.51530726697405]
WildGS-SLAMは、動的環境を扱うために設計された、堅牢で効率的な単分子RGB SLAMシステムである。
本研究では,浅い多層パーセプトロンとDINOv2の特徴によって予測される不確実性マップを導入し,追跡とマッピングの両方において動的物体除去を誘導する。
その結果,WildGS-SLAMの動的環境における性能は最先端の手法に比べて優れていた。
論文 参考訳（メタデータ） (2025-04-04T19:19:40Z) - Comparison of Various SLAM Systems for Mobile Robot in an Indoor Environment [0.0]
本稿では,様々なROSベースのSLAMシステムによって計算された移動ロボット軌跡の比較分析を行う。
我々は,2Dライダー,モノクラーカメラ,ZEDステレオカメラという,一般的なセンサを備えた移動ロボットのプロトタイプを開発した。
論文 参考訳（メタデータ） (2025-01-16T12:01:44Z) - Self-Organizing Edge Computing Distribution Framework for Visual SLAM [0.6749750044497732]
本稿では,デバイスネットワーク上で完全に分散されたSLAM実行を自己組織化できる新しいエッジ支援SLAMフレームワークを提案する。
アーキテクチャは3つのレイヤで構成されており、デバイスに依存しず、ネットワーク障害に対して回復力があり、コアSLAMシステムに最小限の侵入力を持つように設計されている。
論文 参考訳（メタデータ） (2025-01-15T07:24:15Z) - VINGS-Mono: Visual-Inertial Gaussian Splatting Monocular SLAM in Large Scenes [10.287279799581544]
VINGS-Monoは、大きなシーン用に設計された単分子(慣性)ガウススプラッティング(GS)SLAMフレームワークである。
このフレームワークは、VIO Front End、2D Gaussian Map、NVS Loop Closure、Dynamic Eraserの4つの主要コンポーネントで構成されている。
論文 参考訳（メタデータ） (2025-01-14T18:01:15Z) - RD-VIO: Robust Visual-Inertial Odometry for Mobile Augmented Reality in
Dynamic Environments [55.864869961717424]
視覚的・視覚的慣性オドメトリーシステムでは、動的シーンや純粋な回転の問題に対処することが通常困難である。
我々はこれらの問題に対処するためにRD-VIOと呼ばれる新しい視覚-慣性オドメトリーシステム(VIO)を設計する。
論文 参考訳（メタデータ） (2023-10-23T16:30:39Z) - HybVIO: Pushing the Limits of Real-time Visual-inertial Odometry [31.249135405685852]
本稿では,HybVIOを提案する。HybVIOは,フィルタに基づく視覚慣性オドメトリー(VIO)と最適化ベースのSLAMを組み合わせたハイブリッド手法である。
提案手法のコアは高度に堅牢で独立なVIOであり,IMUバイアスモデリングの改善,外乱除去,静止度検出,特徴トラック選択などにより,組込みハードウェア上での動作に適応できる。
論文 参考訳（メタデータ） (2021-06-22T15:21:33Z)
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。