論文の概要: Stretch-ICP: A Continuous-Trajectory Registration and Deskewing Algorithm in Scenarios of Aggressive Motions
- arxiv url: http://arxiv.org/abs/2605.17264v1
- Date: Sun, 17 May 2026 05:13:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.815623
- Title: Stretch-ICP: A Continuous-Trajectory Registration and Deskewing Algorithm in Scenarios of Aggressive Motions
- Title（参考訳）: Stretch-ICP:攻撃運動シナリオにおける連続的トラジェクトリ登録と解凍アルゴリズム
- Authors: Simon-Pierre Deschênes, Veronica Vannini, Philippe Giguère, François Pomerleau,
- Abstract要約: 不均一または滑りやすい地形における安定性の喪失は、極端な加速と角速度を引き起こす。
メカニカルライダーと慣性測定ユニット(IMU)が丘を転がり落ちる様子を収録したTumbling-induced Gyroscope Saturationデータセットを紹介した。
データセットには、類似データセットの最大4倍の角速度が含まれており、公開されている。
- 参考スコア（独自算出の注目度）: 6.270809447204512
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robust robotic autonomy remains challenging in complex environments, where loss of stability on uneven or slippery terrain can induce extreme accelerations and angular velocities. Such motions corrupt sensor measurements and degrade state estimation, motivating the need for improved algorithmic robustness. To investigate this issue, we introduce the Tumbling-Induced Gyroscope Saturation (TIGS) dataset, which consists of recordings from a mechanical lidar and an Inertial Measurement Unit (IMU) tumbling down a hill. The dataset contains angular speeds up to four times higher than those in similar datasets and is publicly available. We then propose two complementary methods to improve Simultaneous Localization And Mapping (SLAM) robustness and evaluate them on TIGS. First, Saturation-Aware Angular Velocity Estimation (SAAVE) estimates angular velocities when gyroscope measurements become saturated during aggressive motions, reducing angular speed estimation error by 83.4%. Second, Stretch-ICP, a novel registration and deskewing algorithm, enables reconstruction of smoother 6-Degrees Of Freedom (DOF) trajectories under aggressive motions compared to classical Iterative Closest Point (ICP). Stretch-ICP reduces linear and angular velocity errors by 95.2% and 94.8%, respectively, at scan boundaries. Together, these contributions improve the robustness and consistency of lidar-inertial state estimation under aggressive motions.
- Abstract（参考訳）: 不安定なロボットの自律性は、不均一な地形や滑りやすい地形における安定性の喪失が、極端な加速と角速度を誘導する複雑な環境において依然として困難である。
このような動きはセンサの測定を破損させ、状態推定を低下させ、アルゴリズムの堅牢性を改善する必要性を動機付けている。
そこで本研究では,機械式ライダーと慣性計測ユニット(IMU)が丘を転がり落ちる様子を収録したTIGSデータセットを提案する。
データセットには、類似データセットの最大4倍の角速度が含まれており、公開されている。
次に,2つの相補的手法を用いて,同時局所化マッピング(SLAM)のロバスト性を改善し,TIGS上で評価する。
Saturation-Aware Angular Velocity Estimation (SAAVE) は、アグレッシブモーション中にジャイロスコープの測定が飽和すると角速度を推定し、角速度推定誤差を83.4%削減する。
第二にStretch-ICPは、従来のICP(Iterative Closest Point)と比較して、よりスムーズな6-Degrees of Freedom(DOF)軌道の再構築を可能にする。
ストレッチICPは、走査境界における直線速度と角速度の誤差をそれぞれ95.2%、94.8%削減する。
これらの貢献により、攻撃運動下でのライダー慣性状態推定の堅牢性と一貫性が向上する。
関連論文リスト
- Event-based SLAM Benchmark for High-Speed Maneuvers [68.148886127117]
イベントベースのカメラはバイオインスパイアされたセンサーで、独立して、マイクロ秒の解像度で明るさの変化に非同期に反応する。
既存のイベントベースのアプローチは、高速操作による動きのぼかしを緩和することに成功したが、多くの制限に悩まされた。
イベントベースの状態推定のためのベンチマークフレームワークであるEvSLAMを導入する。
論文 参考訳（メタデータ） (2026-04-27T04:36:41Z) - UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry [16.577608323279662]
UNRIOは、不確実性を認識したレーダー慣性オドメトリーシステムである。
生のmmWaveレーダーIQ信号から直接エゴ速度を推定する。
論文 参考訳（メタデータ） (2026-04-15T07:43:06Z) - Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。
本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。
このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
論文 参考訳（メタデータ） (2026-04-10T17:12:07Z) - K-GMRF: Kinetic Gauss-Markov Random Field for First-Principles Covariance Tracking on Lie Groups [8.489406212619164]
共分散追跡のためのオンライン学習自由フレームワークK-GMRFを提案する。
本手法は, 構造保存型シンプレクティックインテグレータにより伝搬される潜在角速度を駆動するトルクとして観測を解釈する。
理論的には、この2階の力学が一定回転下でゼロ定常誤差を達成することを証明している。
論文 参考訳（メタデータ） (2026-03-20T03:16:36Z) - Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。
シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。
高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
論文 参考訳（メタデータ） (2026-02-17T15:10:44Z) - Geometry of Drifting MDPs with Path-Integral Stability Certificates [14.721539799090904]
実世界の強化学習は、しばしば非定常的であり、報酬と力学は最適な行動において急激なスイッチを起動し、加速し、振動し、引き起こす。
環境を相異なるホモトピーパスとしてモデル化し、最適なベルマン固定点の誘導運動を追跡することにより、非定常割引マルコフ決定過程(MDPs)の幾何学的ビューを得る。
これは、累積ドリフト、加速度/振動、アクションギャップによって引き起こされる非滑らかさという、内在的な複雑さの、長さ-曲率-キンクのシグネチャをもたらす。
論文 参考訳（メタデータ） (2026-01-29T17:03:23Z) - Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors [41.45395153490076]
本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。
提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。
我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
論文 参考訳（メタデータ） (2025-04-03T09:57:51Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Deep Motion Network for Freehand 3D Ultrasound Reconstruction [10.053359709378304]
Inertial Measurement Unit(IMU)と呼ばれる画像と軽量センサを統合した新しいディープモーションネットワーク(MoNet)を提案する。
我々は初めてIMU加速度を導入し、平面外の高度変位を推定した。
提案手法は, 基板全体の最先端手法を超越して, より優れた復元性能を実現する。
論文 参考訳（メタデータ） (2022-07-01T02:45:27Z)
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。