論文の概要: 3-D Relative Localization for Multi-Robot Systems with Angle and Self-Displacement Measurements

• arxiv url: http://arxiv.org/abs/2604.01703v1
• Date: Thu, 02 Apr 2026 07:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.579416
• Title: 3-D Relative Localization for Multi-Robot Systems with Angle and Self-Displacement Measurements
• Title（参考訳）: 角度・自己変位計測によるマルチロボットシステムの3次元相対的位置決め
• Authors: Chenyang Liang, Liangming Chen, Baoyi Cui, Jie Mei,
• Abstract要約: 本稿では,ロボット内角度と自己変位測定に基づく新しい3次元相対的位置決めフレームワークを提案する。 ポストリア(MAP)問題に存在する3つの主要な課題に対処する。
• 参考スコア（独自算出の注目度）: 7.572458613193042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Realizing relative localization by leveraging inter-robot local measurements is a challenging problem, especially in the presence of measurement noise. Motivated by this challenge, in this paper we propose a novel and systematic 3-D relative localization framework based on inter-robot interior angle and self-displacement measurements. Initially, we propose a linear relative localization theory comprising a distributed linear relative localization algorithm and sufficient conditions for localizability. According to this theory, robots can determine their neighbors' relative positions and orientations in a purely linear manner. Subsequently, in order to deal with measurement noise, we present an advanced Maximum a Posterior (MAP) estimator by addressing three primary challenges existing in the MAP estimator. Firstly, it is common to formulate the MAP problem as an optimization problem, whose inherent non-convexity can result in local optima. To address this issue, we reformulate the linear computation process of the linear relative localization algorithm as a Weighted Total Least Squares (WTLS) optimization problem on manifolds. The optimal solution of the WTLS problem is more accurate, which can then be used as initial values when solving the optimization problem associated with the MAP problem, thereby reducing the risk of falling into local optima. The second challenge is the lack of knowledge of the prior probability density of the robots' relative positions and orientations at the initial time, which is required as an input for the MAP estimator. To deal with it, we combine the WTLS with a Neural Density Estimator (NDE). Thirdly, to prevent the increasing size of the relative positions and orientations to be estimated as the robots continuously move when solving the MAP problem, a marginalization mechanism is designed, which ensures that the computational cost remains constant.
• Abstract（参考訳）: ロボット間局所測定を利用して相対的な局所化を実現することは、特に測定ノイズの存在下では難しい問題である。 本稿では,ロボットの内部角度と自己変位測定に基づく,新しい3次元相対的位置決めフレームワークを提案する。 まず、分散線形相対局在化アルゴリズムと、局所化可能性に十分な条件からなる線形相対局在化理論を提案する。 この理論によれば、ロボットは隣人の相対的な位置と向きを純粋に線形に決定できる。 その後、計測ノイズに対処するために、MAP推定器に存在する3つの主要な課題に対処して、高度なMAP推定器(Maximum a Posterior estimator)を提案する。 第一に、MAP問題を最適化問題として定式化することは一般的であり、その本質的に非凸性は局所最適化をもたらす。 この問題に対処するため、線形相対局所化アルゴリズムの線形計算過程を、多様体上の重み付きトータル・ラスト・スクエア(WTLS)最適化問題として再構成する。 WTLS問題の最適解はより正確であり、MAP問題に関連する最適化問題を解く際に初期値として使用できるため、局所最適状態に陥るリスクを低減することができる。 第2の課題は、MAP推定器の入力として必要とされるロボットの相対位置と方向の事前の確率密度の知識の欠如である。 これに対応するために、WTLSとニューラル密度推定器(NDE)を組み合わせる。 第3に、MAP問題を解決する際にロボットが連続的に動き続けると、相対的な位置や方向が大きくなるのを防止するために、余分化機構を設計し、計算コストが一定であることを保証する。

関連論文リスト

• Certifiable Alignment of GNSS and Local Frames via Lagrangian Duality [11.186187106454957]
  グローバルナビゲーション衛星システム(GNSS)に対する局地システムの絶対方向を推定することは、しばしば局地的なミニマと衛星の可用性への高い依存に悩まされる。 このアライメントタスクの方法は、入手できない多くの衛星に依存し、あるいはアライメントの最適性を保証できない局所最適化手法を使用する。 提案手法は認証可能であり,既存の局所凸が故障した場合のギャップを数値的に埋めることができる。
  論文  参考訳（メタデータ） (2025-12-24T04:24:33Z)
• Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric [5.153195958837083]
  我々は,LiDAR BAアルゴリズムの最適化目標を構築するために,新しい平均2乗群計量(MSGM)を提案する。 堅牢なカーネル関数を統合することで、BAアルゴリズムに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
  論文  参考訳（メタデータ） (2024-09-03T12:53:39Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Gaussian process regression and conditional Karhunen-Lo\'{e}ve models for data assimilation in inverse problems [68.8204255655161]
  偏微分方程式モデルにおけるデータ同化とパラメータ推定のためのモデル逆アルゴリズムCKLEMAPを提案する。 CKLEMAP法は標準的なMAP法に比べてスケーラビリティがよい。
  論文  参考訳（メタデータ） (2023-01-26T18:14:12Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)

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。