論文の概要: Efficient Onboard Spacecraft Pose Estimation with Event Cameras and Neuromorphic Hardware

• arxiv url: http://arxiv.org/abs/2604.04117v1
• Date: Sun, 05 Apr 2026 13:31:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.929181
• Title: Efficient Onboard Spacecraft Pose Estimation with Event Cameras and Neuromorphic Hardware
• Title（参考訳）: イベントカメラとニューロモルフィックハードウェアを用いた高能率宇宙機ポース推定
• Authors: Arunkumar Rathinam, Jules Lecomte, Jost Reelsen, Gregor Lenz, Axel von Arnim, Djamila Aouada,
• Abstract要約: イベントカメラは、フレームベースのイメージが飽和したりぼやけたりした場合、情報として残るような、非同期で変更駆動の計測を提供する。 ニューロモルフィックプロセッサは低レイテンシでエネルギー効率の良い推論のためにスパースアクティベーションを利用することができる。 本稿では、BrainChip Akidaニューロモーフィックプロセッサとイベントベースのビジョンを結合した6-DoFポーズ推定パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 14.736745241585078
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable relative pose estimation is a key enabler for autonomous rendezvous and proximity operations, yet space imagery is notoriously challenging due to extreme illumination, high contrast, and fast target motion. Event cameras provide asynchronous, change-driven measurements that can remain informative when frame-based imagery saturates or blurs, while neuromorphic processors can exploit sparse activations for low-latency, energy-efficient inferences. This paper presents a spacecraft 6-DoF pose-estimation pipeline that couples event-based vision with the BrainChip Akida neuromorphic processor. Using the SPADES dataset, we train compact MobileNet-style keypoint regression networks on lightweight event-frame representations, apply quantization-aware training (8/4-bit), and convert the models to Akida-compatible spiking neural networks. We benchmark three event representations and demonstrate real-time, low-power inference on Akida V1 hardware. We additionally design a heatmap-based model targeting Akida V2 and evaluate it on Akida Cloud, yielding improved pose accuracy. To our knowledge, this is the first end-to-end demonstration of spacecraft pose estimation running on Akida hardware, highlighting a practical route to low-latency, low-power perception for future autonomous space missions.
• Abstract（参考訳）: 信頼性の高い相対的なポーズ推定は、自律的なランデブーと近接操作の鍵となるが、宇宙画像は極端に照らされ、コントラストが高く、高速な目標運動のために困難である。 イベントカメラは、フレームベースの画像が飽和したりぼやけたりした場合に知らせることのできる非同期で変更駆動の計測を提供するが、ニューロモルフィックプロセッサは低レイテンシでエネルギー効率のよい推論のためにスパースアクティベーションを利用することができる。 本稿では、BrainChip Akidaニューロモーフィックプロセッサとイベントベースのビジョンを結合した6-DoFポーズ推定パイプラインを提案する。 SPADESデータセットを用いて、軽量なイベントフレーム表現に基づいてコンパクトなMobileNetスタイルのキーポイント回帰ネットワークをトレーニングし、量子化対応トレーニング(8/4ビット)を適用し、Akida互換のスパイクニューラルネットワークに変換する。 我々は,Akida V1ハードウェア上で,3つのイベント表現をベンチマークし,リアルタイムで低消費電力な推論を実証する。 さらに,Akida V2をターゲットとしたヒートマップモデルを設計し,Akida Cloud上で評価し,ポーズ精度を向上した。 私たちの知る限り、これはAkidaハードウェア上での宇宙船のポーズ推定のエンド・ツー・エンドのデモであり、将来の自律宇宙ミッションにおいて、低レイテンシで低消費電力な知覚への実践的な道のりを強調している。

関連論文リスト

• Stereo Event-based, 6-DOF Pose Tracking for Uncooperative Spacecraft [6.1580246529916725]
  イベントカメラには、高ダイナミックレンジ、高時間分解能、低消費電力などの多くの利点がある。 ステレオイベントカメラを用いた非協調宇宙船のラインベースポーズトラッキング手法を提案する。
  論文  参考訳（メタデータ） (2025-03-17T01:51:00Z)
• EF-3DGS: Event-Aided Free-Trajectory 3D Gaussian Splatting [87.1077910795879]
  生物学的ビジョンにインスパイアされたイベントカメラは、時間分解能の高い画素の強度を非同期に記録する。 本稿では,イベントカメラの利点を3DGSにシームレスに統合するイベント支援フリートラジェクトリ3DGSを提案する。 提案手法を,パブリックタンクとテンプルのベンチマークと,新たに収集した実世界のデータセットであるRealEv-DAVISで評価した。
  論文  参考訳（メタデータ） (2024-10-20T13:44:24Z)
• EVI-SAM: Robust, Real-time, Tightly-coupled Event-Visual-Inertial State Estimation and 3D Dense Mapping [5.154689086578339]
  単眼イベントカメラを用いた6自由度ポーズトラッキングと3次元再構成の課題に対処するために,EVI-SAMを提案する。 新しいイベントベースのハイブリッドトラッキングフレームワークは、特徴マッチングの堅牢性と直接アライメントの精度を活用することで、ポーズを推定するように設計されている。 私たちの知る限りでは、イベントベースの高密度マッピングを実現するための非学習作業としてはこれが初めてです。
  論文  参考訳（メタデータ） (2023-12-19T07:39:45Z)
• EventTransAct: A video transformer-based framework for Event-camera based action recognition [52.537021302246664]
  イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。 本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。 イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
  論文  参考訳（メタデータ） (2023-08-25T23:51:07Z)
• EV-Catcher: High-Speed Object Catching Using Low-latency Event-based Neural Networks [107.62975594230687]
  イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。 イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。 計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
  論文  参考訳（メタデータ） (2023-04-14T15:23:28Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)

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。