論文の概要: Elevator-LIO: Robust LiDAR-Inertial Odometry for Multi-Floor Navigation under Elevator-Induced Non-Inertial Motion

• arxiv url: http://arxiv.org/abs/2605.24495v1
• Date: Sat, 23 May 2026 10:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.132687
• Title: Elevator-LIO: Robust LiDAR-Inertial Odometry for Multi-Floor Navigation under Elevator-Induced Non-Inertial Motion
• Title（参考訳）: Elevator-LIO: Robust LiDAR-Inertial Odometry for Multi-Floor Navigation under Elevator-induced Non-Inertial Motion (特集:バイオサイバネティックスとバイオサイバネティックス)
• Authors: Yifan Zhang, Yudong Huang, Yuchong Zhang, Changze Li, Haoran Liu, Ming Yang, Tong Qin,
• Abstract要約: 本稿では,エレベーター走行中におけるロボットの継続的な位置決めを実現するためのLiDAR慣性オドメトリーフレームワークを提案する。 我々は,大規模な空間,長い垂直移動,動的歩行者干渉,ミラー反射などの現実的な課題を含む,79台のエレベーターを含む20個の実世界シーケンスの実験を行った。 その結果,Elevator-LIOは全シーケンスで連続的な局所化精度を維持しており,終端高さの誤差は17列で1cm以下であった。
• 参考スコア（独自算出の注目度）: 19.365290086851722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents Elevator-LIO, a LiDAR-inertial odometry framework designed to achieve continuous robot localization during elevator travel, thereby supporting cross-floor robotic tasks. To address the state-estimation problem in non-inertial frames, Elevator-LIO establishes a decoupled state-estimation model that separately models the robot motion relative to the elevator and the elevator motion itself, and embeds it into a mode-dependent iterated error-state Kalman filter framework. This framework degenerates to conventional LIO estimation in ordinary indoor environments, while enabling the propagation and constrained update of elevator-related states in elevator non-inertial environments, thereby achieving continuous and stable localization. An elevator mode manager detects elevator entry and exit events using LiDAR ranging statistics and estimated states, and introduces event-triggered zero-velocity and zero-acceleration updates when the elevator stops to suppress accumulated vertical drift. In addition, this paper adopts an adaptive voxel downsampling strategy to maintain a stable number of effective points under significant environmental scale changes. We conduct extensive experiments on 20 real-world sequences containing 79 elevator rides, including practical challenges such as large-scale spaces, long vertical travel, dynamic pedestrian interference, and mirror reflections. The results show that Elevator-LIO maintains continuous localization accuracy in all sequences, with terminal height error below 1 cm in 17 sequences. In contrast, existing representative localization systems perform poorly on these elevator sequences. Tests on the Hilti 2022/2023 datasets further show that the proposed method remains competitive in standard indoor scenarios. The project page is available at https://xiaofan4122.github.io/Elevator_LIO_Page/.
• Abstract（参考訳）: 本稿では,エレベーター走行中のロボットの連続的な位置決めを実現するためのLiDAR-Iertial odometryフレームワークであるElevator-LIOについて述べる。 非慣性フレームにおける状態推定問題に対処するため、エレベータとエレベータの動き自体を別々にモデル化した分離状態推定モデルを構築し、モード依存の繰り返しエラー状態カルマンフィルタフレームワークに組み込む。 この枠組みは, 通常の屋内環境における従来のLOO推定に縮退し, エレベータ非慣性環境におけるエレベータ関連状態の伝播と制限された更新を可能にし, 連続的かつ安定した位置決めを実現する。 エレベータモードマネージャは、LiDAR測度統計および推定状態を用いてエレベーターの進入・退避イベントを検出し、エレベータ停止時にイベントトリガー付きゼロ速度およびゼロ加速更新を導入し、蓄積された垂直ドリフトを抑制する。 さらに, 本論文では, 環境スケールの大幅な変化の下で, 安定した有効点数を維持するために, 適応的なボクセルダウンサンプリング戦略を採用する。 大規模な空間、長い垂直移動、動的な歩行者干渉、ミラー反射などの実践的な課題を含む、79台のエレベーターを含む20の現実世界のシークエンスについて広範な実験を行った。 その結果,Elevator-LIOは全シーケンスで連続的な局所化精度を維持しており,終端高さの誤差は17列で1cm以下であった。 対照的に、既存の代表的なローカライゼーションシステムは、これらのエレベータシーケンスで性能が良くない。 Hilti 2022/2023データセットの試験は、提案手法が標準的な屋内シナリオにおいて競争力を維持していることを示している。 プロジェクトページはhttps://xiaofan4122.github.io/Elevator_LIO_Page/で公開されている。

関連論文リスト

• ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
  ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。 本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。 CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
  論文  参考訳（メタデータ） (2026-03-29T12:38:11Z)
• Robometer: Scaling General-Purpose Robotic Reward Models via Trajectory Comparisons [69.87766750714945]
  汎用ロボット報酬モデルは通常、専門家によるデモンストレーションから絶対的なタスク進捗を予測するために訓練される。 本稿では、軌道内進行監視と軌道間優先監視を組み合わせたスケーラブルな報酬モデリングフレームワークRobometerを紹介する。 ロビオメーターは、専門家データに報酬等級を固定するフレームレベルのプログレス・ロスと、グローバルな順序制約を課す軌跡比較優先損失という2つの目的で訓練されている。
  論文  参考訳（メタデータ） (2026-03-02T17:38:58Z)
• Differential Barometric Altimetry for Submeter Vertical Localization and Floor Recognition Indoors [4.648066086077229]
  完全にROS準拠のソフトウェアパッケージに統合された微分バロメトリセンシングを活用する,堅牢で低コストな垂直推定フレームワークを提案する。 本システムでは,静止基地局と移動センサの両方からのリアルタイム高度データを同時に公開し,高精度かつドリフトフリーな垂直位置推定を実現する。
  論文  参考訳（メタデータ） (2026-01-05T15:03:55Z)
• 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)
• Elevator, Escalator, or Neither? Classifying Conveyor State Using Smartphone under Arbitrary Pedestrian Behavior [12.796931853596902]
  歩行者のコンベア状態を知ることは、屋内ナビゲーションや人流管理など多くの応用に欠かせない。 スマートフォンの慣性ナビゲーションシステム(INS)を用いて,任意の歩行者行動下での分類問題について検討した。 エレベータやエスカレーター,あるいはその両方に携帯電話のINSを使って歩行者を分類する,斬新で軽量なディープラーニング手法であるELESONを提案する。
  論文  参考訳（メタデータ） (2024-05-06T07:27:30Z)
• Application of Deep Q Learning with Stimulation Results for Elevator Optimization [8.124288380367018]
  本稿では,エレベータ待ち時間を最適化するために,プログラミングと数学を組み合わせる手法を提案する。 まず,エレベータの背後にある論理の直感的な理解からナイーブモデルを開発する。 同じ評価フレームワークを用いて,エレベータ制御のためのハードコードナイーブアプローチに適合するディープQ学習モデルの開発を進める。
  論文  参考訳（メタデータ） (2022-09-30T19:53:00Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Abnormal activity capture from passenger flow of elevator based on unsupervised learning and fine-grained multi-label recognition [18.166284261575473]
  本稿では,多層住宅におけるエレベータの利用者フローを通じて,住民の異常活動の把握を目的とした作業フローを提案する。 エレベーターには、カメラとセンサー(ホールセンサー、光電センサー、ジャイロ、加速度計、気圧計、温度計)が取り付けられ、画像とデータを収集する。 エレベータの乗客フローを一般化するために, インスタンスセグメンテーション, マルチラベル認識, 埋め込み, クラスタリングなどのコンピュータビジョンアルゴリズムを適用した。
  論文  参考訳（メタデータ） (2020-06-29T08:50:20Z)

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。