論文の概要: Enhancing Graph-Based SLAM in GNSS-Denied environments by leveraging leg odometry

• arxiv url: http://arxiv.org/abs/2605.20484v1
• Date: Tue, 19 May 2026 20:48:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.37486
• Title: Enhancing Graph-Based SLAM in GNSS-Denied environments by leveraging leg odometry
• Title（参考訳）: GNSS-Denied環境における脚計測によるグラフベースSLAMの強化
• Authors: Léon Perruchot-Triboulet, Luc Jaulin, Kai Xiao,
• Abstract要約: 脚のドメトリーにより駆動される平行キネマティックレーンでLIO-SAMフレームワークを増強する因子グラフアーキテクチャを提案する。 提案手法は,30m以上から30cm未満までの上昇ドリフトを低減し,ベースラインパイプラインが完全に故障する場面での収束を可能にする。
• 参考スコア（独自算出の注目度）: 2.953334250276907
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Autonomous navigation in GNSS-denied environments remains a core challenge for legged robots, where exteroceptive sensors such as LiDAR are prone to elevation drift in geometrically sparse or repetitive scenes. We present a factor graph architecture that augments the LIO-SAM framework with a parallel kinematic lane driven by proprioceptive leg odometry, coupled to the main LiDAR-inertial lane via an identity relative pose constraint with a selective noise model. Applied to a Linxai D50 quadruped platform across two outdoor loops totaling over one kilometer, our approach reduces elevation drift from over 30m to under 30cm and enables convergence in a scene where the baseline pipeline fails entirely. These results suggest that proprioceptive data, already computed onboard for gait control, constitutes a lightweight and effective vertical anchor for SLAM in GNSS-denied settings.
• Abstract（参考訳）: GNSSを識別した環境での自律的なナビゲーションは、LiDARのような外部受容型センサーが、幾何学的に疎いシーンや反復的なシーンで上昇する傾向にある、脚のあるロボットにとって依然として重要な課題である。 提案する因子グラフアーキテクチャは,LDAR-慣性車線と選択雑音モデルによる個人性相対的ポーズ制約を介し,プロピロセプティブ脚のドメトリーによって駆動される平行運動車線でLIO-SAMフレームワークを増強する。 また,Linxai D50四角形プラットホームを1km以上のアウトドアループに応用することにより,ベースラインパイプラインが完全に故障する場面において,標高30m以上から30cm以下への上昇ドリフトを低減し,収束を可能にする。 以上の結果から,すでに歩行制御のために計算されているプロプリセプティブデータは,GNSSを重畳した環境でSLAMの軽量かつ効果的な垂直アンカーを構成することが示唆された。

関連論文リスト

• GenZ-LIO: Generalizable LiDAR-Inertial Odometry Beyond Indoor--Outdoor Boundaries [8.789905887174209]
  光検出・測光(LiDAR)慣性オドメトリーは、様々な場面における自律ナビゲーションの正確な位置決めとマッピングを可能にする。 屋内環境と屋外環境の両方で一般化可能なフレームワークであるGenZ-LIOを提案する。
  論文  参考訳（メタデータ） (2026-03-17T09:05:01Z)
• Semantic Landmark Particle Filter for Robot Localisation in Vineyards [1.1077058391970922]
  平行な作物列は、ほぼ同じLiDAR観測を発生させ、幾何学のみのSLAM系と視覚ベースのSLAM系が間違った回廊に収束する。 本稿では,トランクおよびポールランドマーク検出を2次元LiDARと統合したセマンティックランドマーク粒子フィルタを提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:57:14Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• A Graph Attention Network-Based Framework for Reconstructing Missing LiDAR Beams [0.0]
  本稿では,現在のLiDARフレームのみを用いて,行方不明な垂直チャネルを再構築するグラフ注意ネットワークフレームワークを提案する。 多層GATは、局所的な幾何学的近傍における適応的な注意重みを学習し、ドロップアウト箇所で欠落した標高(z)値を直接回帰する。 推論は1つのGPU上で1フレームあたり14.65秒かかる。
  論文  参考訳（メタデータ） (2025-12-13T17:50:57Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• Advancements in 3D Lane Detection Using LiDAR Point Clouds: From Data Collection to Model Development [10.78971892551972]
  LiSV-3DLaneは大規模な3Dレーンデータセットで、20kフレームのサラウンドビューのLiDAR点雲と豊富なセマンティックアノテーションから構成される。 本稿では,LiDARを用いた新しい3次元車線検出モデルLiLaDetを提案し,LiDAR点雲の空間的幾何学的学習をBird's Eye View (BEV) に基づく車線識別に取り入れた。
  論文  参考訳（メタデータ） (2023-09-24T09:58:49Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)

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。