論文の概要: Bridging the Indoor-Outdoor Gap: Cross-Technology Ranging for Seamless Robot Navigation
- arxiv url: http://arxiv.org/abs/2604.25541v1
- Date: Tue, 28 Apr 2026 12:07:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.84339
- Title: Bridging the Indoor-Outdoor Gap: Cross-Technology Ranging for Seamless Robot Navigation
- Title（参考訳）: 室内と屋外のギャップを埋める:シームレスロボットナビゲーションのためのクロステクノロジー・ラング
- Authors: Paul Schwarzbach,
- Abstract要約: 屋外と屋内の間を移動する移動ロボットは、いまだに一貫した位置決めに苦戦している。
本稿では,実測値の同期化を行うHYMNデータセットの予備観測について報告する。
2つの技術クラスは相補的なもので、屋内と屋外の移行は弱点が重なり合っている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mobile robots that move between outdoor and indoor environments still struggle with consistent positioning. Satellite-based and terrestrial ranging each work well in their home domains, but combining them at the raw measurement level has received little attention, and the building boundary is precisely where both classes degrade. This paper reports preliminary observations from the HYMN dataset, which time-synchronizes raw measurements from GNSS, Ultra-Wideband (UWB), WiFi Fine Time Measurement (FTM), and Bluetooth Low Energy (BLE) against millimeter-level ground truth in an industrial setting. Per-zone measurement availability and ranging-residual behavior are characterised. The two technology classes turn out to be complementary, and the indoor-outdoor transition is where their weaknesses overlap. The dataset is publicly available.
- Abstract（参考訳）: 屋外と屋内の間を移動する移動ロボットは、いまだに一貫した位置決めに苦戦している。
衛星をベースとした地上測地は、それぞれの領域でうまく機能するが、生測度で組み合わせることはあまり注目されず、建築境界は正確に両クラスが劣化する場所である。
本稿では,GNSS,Ultra-Wideband (UWB),WiFi Fine Time Measurement (FTM),Bluetooth Low Energy (BLE) などの実測データを産業環境で時間同期するHYMNデータセットから予備観測を行った。
ゾーン単位の測定可用性と測地-残留挙動を特徴付ける。
2つの技術クラスは相補的なもので、屋内と屋外の移行は弱点が重なり合っている。
データセットは公開されている。
関連論文リスト
- HortiMulti: A Multi-Sensor Dataset for Localisation and Mapping in Horticultural Polytunnels [9.014369967537482]
HortiMultiは、商業用イチゴとラズベリーのポリタンネルで、成長期全体にわたって収集されたクロスシーズンデータセットである。
我々は、時間同期生測、校正ファイル、参照軌跡、視覚、LiDAR、マルチセンサーSLAMのためのベースラインベンチマークをリリースする。
論文 参考訳（メタデータ） (2026-03-20T17:26:19Z) - From Indoor to Open World: Revealing the Spatial Reasoning Gap in MLLMs [65.04549036809557]
我々は、ステレオカメラ、LiDAR、IMU/GPSセンサーで撮影された歩行者の視線映像から構築したベンチマークを紹介する。
このデータセットは、計量的に正確な3D情報を提供し、空間的推論質問の自動生成を可能にする。
評価の結果、構造化屋内ベンチマークで観測された性能向上は、オープンワールド環境では消滅することが明らかとなった。
論文 参考訳（メタデータ） (2025-12-22T18:58:12Z) - INDOOR-LiDAR: Bridging Simulation and Reality for Robot-Centric 360 degree Indoor LiDAR Perception -- A Robot-Centric Hybrid Dataset [0.0]
INDOOR-LIDARは、屋内3次元LiDAR点雲の総合的なハイブリッドデータセットである。
シミュレーションされた環境と、自律的な地上ロボットを使って取得した現実世界のスキャンを統合する。
3Dオブジェクト検出、鳥眼視(BEV)知覚、SLAM、セマンティックシーン理解、シミュレートされた屋内ドメインと実際の屋内ドメイン間のドメイン適応など、幅広いアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-12-13T16:08:10Z) - Indoor/Outdoor Spectrum Sharing Enabled by GNSS-based Classifiers [1.3682156035049033]
我々はI/O分類にグローバルナビゲーション衛星システム(GNSS)信号を利用する。
この結果から,無線(Wi-Fi)データよりもしきい値に基づく手法や機械学習のアプローチの方が精度が高いことが示された。
論文 参考訳（メタデータ） (2025-09-30T16:43:59Z) - OpenEarthSensing: Large-Scale Fine-Grained Benchmark for Open-World Remote Sensing [57.050679160659705]
オープンワールドリモートセンシングのための大規模きめ細かいベンチマークである textbfOpenEarthSensing (OES) を紹介する。
OESには189のシーンとオブジェクトのカテゴリが含まれており、現実世界で起こりうる潜在的なセマンティックシフトの大部分をカバーしている。
論文 参考訳（メタデータ） (2025-02-28T02:49:52Z) - UniMix: Towards Domain Adaptive and Generalizable LiDAR Semantic Segmentation in Adverse Weather [55.95708988160047]
LiDARセマンティックセグメンテーション(LSS)は自動運転において重要な課題である。
事前のLSS法は、晴れた天候下で同じ領域内のデータセットを調査・評価した。
LSSモデルの適応性と一般化性を高める普遍的手法UniMixを提案する。
論文 参考訳（メタデータ） (2024-04-08T02:02:15Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z)
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。