論文の概要: Breaking Time: A Fully Gaussian Framework for Distributed and Continuous-Time SLAM
- arxiv url: http://arxiv.org/abs/2606.06250v1
- Date: Thu, 04 Jun 2026 14:52:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.875742
- Title: Breaking Time: A Fully Gaussian Framework for Distributed and Continuous-Time SLAM
- Title（参考訳）: Breaking Time: 分散および継続的SLAMのための完全なガウスフレームワーク
- Authors: Davide Ceriola, Simone Ferrari, Luca Di Giammarino, Leonardo Brizi, Giorgio Grisetti,
- Abstract要約: 連続時間軌道推定のための完全にガウス的で分散したフレームワークであるG-solverを紹介する。
我々は,ローリングシャッターや分散マルチカメラ最適化など,合成および実データに対するアプローチを評価する。
- 参考スコア（独自算出の注目度）: 3.377467347364114
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Continuous-time SLAM provides a principled framework for fusing heterogeneous sensors while estimating smooth trajectories, and is particularly well-suited for handling heterogeneous, asynchronous sensor streams with non-uniform readout patterns, such as rolling shutter cameras, LiDAR scanners, radar sweeps, or event-based sensors. In this work, we introduce G-solver, a fully Gaussian and distributed framework that combines Gaussian Belief Propagation (GBP) with Gaussian Process (GP) motion priors for continuous-time trajectory estimation. Our GP model provides a probabilistic representation of the trajectory, enabling consistent interpolation and the use of data-driven hyperparameters, while GBP offers a scalable message-passing formulation well-suited for decentralized settings. The resulting solver naturally extends to multi-camera scenarios without specialized synchronization or engineering effort. We evaluate the approach on synthetic and real data, including rolling shutter and distributed multi-camera optimization, demonstrating accurate and stable estimation with runtimes comparable to existing continuous-time methods. An open-source implementation is released.
- Abstract（参考訳）: 継続的SLAMは、スムーズな軌跡を推定しながら不均一なセンサを融合するための原則化されたフレームワークを提供し、特にローリングシャッターカメラ、LiDARスキャナ、レーダスイープ、イベントベースのセンサーなど、一様でない読み取りパターンで不均一で非同期なセンサストリームを扱うのに適している。
本稿では,ガウス的信念伝播 (GBP) とガウス的プロセス (GP) の運動先行を連続時間軌道推定に用い,完全ガウス的かつ分散的なフレームワークであるG-solverを紹介する。
我々のGPモデルは軌道の確率的表現を提供し、一貫した補間とデータ駆動型ハイパーパラメータの使用を可能にします。
結果として得られるソルバは、特別な同期やエンジニアリングの労力なしで、自然にマルチカメラシナリオに拡張される。
ローリングシャッターと分散マルチカメラ最適化を含む合成および実データに対するアプローチを評価し、既存の連続時間法に匹敵するランタイムによる正確かつ安定した推定を実証する。
オープンソース実装がリリースされている。
関連論文リスト
- GS-STVSR: Ultra-Efficient Continuous Spatio-Temporal Video Super-Resolution via 2D Gaussian Splatting [71.12303582606019]
Continuous Video Super-Resolution (C-STVSR) は、任意のスケールファクタによる動画の空間的・フレーム的レートの同時向上を目的としている。
2次元ガウシアンティング(2D-GS)に基づく超効率的なC-STVSRフレームワークであるGS-STVSRを提案する。
GS-STVSRは,すべてのベンチマークにおいて最先端の品質を実現していることを示す。
論文 参考訳（メタデータ） (2026-04-20T10:11:05Z) - CT-VIR: Continuous-Time Visual-Inertial-Ranging Fusion for Indoor Localization with Sparse Anchors [8.090575303185078]
本稿では,視覚慣性配列(VIR)融合ローカライゼーションのための連続時間状態推定法を提案する。
イントロダクタ、ビジュアル、およびレンジリング制約は、スライドウインドウグラフの因子として定式化される。
パブリックデータセットと実世界の実験による評価は,提案手法の有効性と実用性を示すものである。
論文 参考訳（メタデータ） (2026-04-16T02:23:57Z) - Inference-time Stochastic Refinement of GRU-Normalizing Flow for Real-time Video Motion Transfer [0.7161783472741748]
没入型ゲームのようなリアルタイムビデオモーション転送アプリケーションは、現実的な合成と堅牢な下流決定を支援するために、正確かつ多様な将来予測を必要とする。
このような逐次予測の多様性を改善するために,GRU-NF(Gated Recurrent Unit-Normalizing Flows)とサンプリング手法を組み合わせた新しい推論時間改善手法を提案する。
GRU-SNF(Gated Recurrent Unit- Normalizing Flows, GRU-SNF)は,より長い予測地平線の下でも精度を犠牲にすることなく,多様な出力を生成する上で,GRU-NFより優れていることを示す。
論文 参考訳（メタデータ） (2025-12-03T21:47:30Z) - Ringleader ASGD: The First Asynchronous SGD with Optimal Time Complexity under Data Heterogeneity [51.56484100374058]
本稿では,並列計算の理論的下界を実現する最初の非同期アルゴリズムであるリングリーダーASGDを紹介する。
我々の分析により、リングリーダーASGDは任意の勾配と時間変化速度の下で最適であることが明らかとなった。
論文 参考訳（メタデータ） (2025-09-26T19:19:15Z) - AsynEIO: Asynchronous Monocular Event-Inertial Odometry Using Gaussian Process Regression [7.892365588256595]
本稿では,非同期イベントと慣性データを融合した単分子イベント慣性オドメトリーAsynEIOを提案する。
AsynEIOは、特に高速・低照度シナリオにおいて、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-11-19T02:39:57Z) - Harmonic Path Integral Diffusion [0.4527270266697462]
本稿では,連続多変量確率分布から抽出する新しい手法を提案する。
本手法では,状態空間の起点を中心とするデルタ関数を$t=0$とし,ターゲット分布に$t=1$で変換する。
これらのアルゴリズムは他のサンプリング手法、特にシミュレートおよびパス積分サンプリングと対比し、解析制御、精度、計算効率の点でそれらの利点を強調した。
論文 参考訳（メタデータ） (2024-09-23T16:20:21Z) - Hyperion - A fast, versatile symbolic Gaussian Belief Propagation framework for Continuous-Time SLAM [9.083886529257857]
本稿では,SymForceをベースとしたB-およびZ-Spline実装において,SymForceによる2.43倍から110.31倍の高速化を実現した最速の[Martiros et al., RSS 2022]B-およびZ-Spline実装を提案する。
動作追跡および位置決め設定における本手法の有効性を実証的アブレーション研究により実証した。
論文 参考訳（メタデータ） (2024-07-09T17:46:53Z) - Distributed Stochastic Gradient Descent with Staleness: A Stochastic Delay Differential Equation Based Framework [56.82432591933544]
分散勾配降下(SGD)は、計算リソースのスケーリング、トレーニング時間の短縮、マシンラーニングにおけるユーザのプライバシ保護の支援などにより、近年注目されている。
本稿では,遅延微分方程式(SDDE)と勾配到着の近似に基づく分散SGDの実行時間と安定化について述べる。
活性化作業員の増加は, 安定度による分散SGDを必ずしも加速させるものではないことが興味深い。
論文 参考訳（メタデータ） (2024-06-17T02:56:55Z) - Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。
NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2021-10-26T10:45:25Z)
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。