論文の概要: BEVIO: Efficient Bird's-Eye-View based Sparse-Update Visual-Inertial Odometry for Lunar Day-Night Navigation

• arxiv url: http://arxiv.org/abs/2606.00709v1
• Date: Sat, 30 May 2026 12:32:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 15:05:06.059267
• Title: BEVIO: Efficient Bird's-Eye-View based Sparse-Update Visual-Inertial Odometry for Lunar Day-Night Navigation
• Title（参考訳）: BEVIO:月日航法のための高能率Eye-Viewベーススパース更新ビジュアル慣性オドメトリー
• Abstract要約: 本研究は,月面ローバーの信頼性の高い視覚-慣性オドメトリー (VIO) の実現について検討する。 本研究では,大きなフレーム間動きに対して頑健であり,視覚的変化が著しいにもかかわらず,より信頼性の高い特徴マッチング方式として,Bird's Eye View (BEV) を用いた画像マッチング方式を提案する。 以上の結果から, 夜間および夜間の自己照度トラバースを視認率0.25Hzで実現できることが示唆された。
• 参考スコア（独自算出の注目度）: 11.980837576325918
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual-Inertial Odometry (VIO) provides smooth, high-rate state estimates and has been widely used for robotic navigation in both terrestrial and planetary applications. However, its performance is typically dependent on the frequency of visual updates, which is a challenge for planetary rovers operating under extreme resource constraints and low frame rates. This work investigates enabling reliable VIO with very sparse visual updates for lunar rover applications, addressing both day and night-time operations where feature associations become especially difficult under self-illumination conditions. We propose a Bird's Eye View (BEV)-based image matching scheme that remains robust to larger inter-frame motions and more reliable feature matching despite significant visual appearance changes. We extensively evaluate our proposed approach, BEVIO, through high-fidelity photorealistic lunar and real-time robotic experiments conducted using a half-scale lunar rover, in a long-term day-night deployment at Plaster City, CA, USA. The results demonstrate that our method enables reliable day and nighttime self-illuminated traverses at visual update rates as low as 0.25 Hz, underscoring its suitability for navigation on power- and compute-limited lunar rovers.
• Abstract（参考訳）: 視覚慣性オドメトリー(VIO)はスムーズで高い状態の推定を提供し、地球と惑星の両方の用途でロボットナビゲーションに広く利用されている。 しかし、その性能は一般的に視覚的更新の頻度に依存しており、これは極度の資源制約と低いフレームレートの下で運用される惑星探査機にとっての課題である。 本研究は,月面探査用ローバーの視覚的更新が極めて少ない信頼性の高いVIOの実現について検討し,自己照らし条件下では特徴関連が特に困難になる日夜両方の操作に対処する。 本研究では,大きなフレーム間動きに対して頑健であり,視覚的変化が著しいにもかかわらず,より信頼性の高い特徴マッチング方式として,Bird's Eye View (BEV) を用いた画像マッチング方式を提案する。 提案手法であるBEVIOを,半スケールの月面ローバーを用いた高忠実な月面・リアルタイムロボット実験により,米国カリフォルニア州プラスターシティで長期の昼夜展開を行い,広範に評価した。 提案手法は, 夜間および夜間の自照線を視認率0.25Hzまで低減し, パワーと計算に制限のある月面ローバーのナビゲーションに適していることを示す。

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)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• dLITE: Differentiable Lighting-Informed Trajectory Evaluation for On-Orbit Inspection [2.7532313761753713]
  $partial$LITEは、軌道上のインスペクション操作のためのエンドツーエンドの微分可能なシミュレーションパイプラインである。 我々は、最先端の微分可能レンダリングツールとカスタム軌道プロパゲータを活用し、軌道パラメータのエンドツーエンドの最適化を可能にする。 私たちの異なる検査計画パイプラインは、その種の最初のもので、宇宙船のミッション計画に対する現代の計算アプローチに関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2025-12-17T22:40:05Z)
• Aerial Vision-Language Navigation with a Unified Framework for Spatial, Temporal and Embodied Reasoning [5.517595398768408]
  本稿では,エゴ単分子RGB観測と自然言語命令のみで動作する航空VLNフレームワークを提案する。 このタスクは、低高度検査、サーチ・アンド・レスキュー、自律型空中輸送といった現実世界のアプリケーションに対して約束される。
  論文  参考訳（メタデータ） (2025-12-09T14:25:24Z)
• 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)
• Real-Time Multi-Scene Visibility Enhancement for Promoting Navigational Safety of Vessels Under Complex Weather Conditions [48.529493393948435]
  この可視光カメラは、インテリジェントな水上輸送システムにおいて、海洋表面の容器に不可欠なイメージングセンサーとして登場した。 視覚画像の画質は、複雑な気象条件下での様々な劣化に必然的に悩まされる。 本研究では,異なる気象条件下で撮影された劣化画像を復元する汎用多場面可視性向上手法を開発した。
  論文  参考訳（メタデータ） (2024-09-02T23:46:27Z)
• ShadowNav: Autonomous Global Localization for Lunar Navigation in Darkness [4.200882007630191]
  私たちはシャドウナブ(ShadowNav)を紹介します。これは、暗闇や夜間の運転に焦点を当てた、月上のグローバルなローカライゼーションのための自律的なアプローチです。 我々のアプローチでは、ルナークレーターの先端をランドマークとして使用し、検出されたクレーターと検出されたクレーターをオフボードマップ上の既知のクレーターに関連付けるために粒子フィルタリング手法を用いています。 アリゾナ州シンダーレイクスにおけるフィールドテストにおいて,Lunarシミュレーション環境とデータ収集における提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-05-02T18:59:53Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
  AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。 AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。 我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
  論文  参考訳（メタデータ） (2022-08-14T17:49:37Z)
• DarkLighter: Light Up the Darkness for UAV Tracking [14.901582782711627]
  本研究は低照度画像エンハンサーであるDarkLighterを提案する。 ライトウェイトマップ推定ネットワーク、すなわちME-Netは、照明マップとノイズマップを共同で効率的に推定するために訓練される。 いくつかのSOTAトラッカーで多数のUAVダークトラッキングシーンで実験が行われた。
  論文  参考訳（メタデータ） (2021-07-30T01:37:24Z)
• MVP: Unified Motion and Visual Self-Supervised Learning for Large-Scale Robotic Navigation [23.54696982881734]
  本稿では,大規模かつ目標駆動型ナビゲーションタスクのための新しい動き認識手法であるMVPを提案する。 我々のMVPベースの手法は、より速く学習でき、極端な環境変化とGPSデータの両方に対してより正確で堅牢です。 我々は,Oxford Robotcar と Nordland Railway の2つの大規模実世界のデータセットについて評価を行った。
  論文  参考訳（メタデータ） (2020-03-02T05:19:52Z)

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。