論文の概要: Meridian: Metric-Semantic Primitive Matching for Cross-View Geo-Localization Beyond Urban Environments

• arxiv url: http://arxiv.org/abs/2606.06312v1
• Date: Thu, 04 Jun 2026 15:52:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.918642
• Title: Meridian: Metric-Semantic Primitive Matching for Cross-View Geo-Localization Beyond Urban Environments
• Title（参考訳）: Meridian: 都市環境を超えたクロスビューなジオローカライゼーションのためのメトリックセマンティックプリミティブマッチング
• Authors: Mason Peterson, Qingyuan Li, Yixuan Jia, Fernando Cladera, Carlos Nieto-Granda, Camillo Jose Taylor, Jonathan P. How,
• Abstract要約: ロボット自動化の成功には、リピータビリティ、タスク計画、目標仕様、安全な操作をサポートするために、正確なグローバルローカライゼーションが必要である。 本稿では,空中画像と地上ロボットRGB-Dカメラデータにまたがって,ハイレベルなメトリック・セマンティックプリミティブをマッチングする方法であるメリディアンを提案する。 我々のアルゴリズムは、自律運転データセット、公園とキャンパスのエリア、荒野キャンプなど、幅広い環境にまたがる地上ロボットをローカライズできることを実証する。
• 参考スコア（独自算出の注目度）: 47.53030013880309
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Successful robot automation requires accurate global localization to support repeatability, task planning, goal specification, and safe operation. However, reliable localization in GNSS-denied environments remains an open problem. Overhead aerial imagery offers a promising solution, but existing approaches primarily target structured urban environments and have been rarely demonstrated in unstructured natural terrain. Limitations of the state-of-the-art include a reliance on models trained for specific environments, as well as difficulty handling repetitive geometries and featureless landscapes commonly found in natural outdoor areas. To overcome these challenges, we present Meridian, a method for matching high-level metric-semantic primitives across aerial images and ground robot RGB-D camera data that achieves accurate global localization and generalizes well across diverse environments, all without any training or algorithmic fine-tuning on area-specific data. We formulate novel consistency metrics to estimate a distribution over robot submap poses and to reject outlier hypotheses in a robust pose graph optimization step for accurate robot trajectory estimation. We demonstrate that our algorithm can localize a ground robot across a wide variety of environments, including an autonomous driving dataset, a park and campus area, and a wilderness camp, with an average optimized trajectory error of 2.4 m over 19 km of ground traversal.
• Abstract（参考訳）: ロボット自動化の成功には、リピータビリティ、タスク計画、目標仕様、安全な操作をサポートするために、正確なグローバルローカライゼーションが必要である。 しかし, GNSS を用いた環境における信頼性ローカライゼーションは依然として未解決の問題である。 オーバーヘッド航空画像は有望な解決策を提供するが、既存のアプローチは主に都市環境をターゲットとしており、非構造的な自然地形ではほとんど示されていない。 最先端の限界には、特定の環境のために訓練されたモデルへの依存や、自然の屋外でよく見られる反復的な地形や特徴のない景観の扱いの難しさが含まれる。 これらの課題を克服するために,航空画像と地上ロボットのRGB-Dカメラデータ間で高レベルな距離列プリミティブをマッチングする方法であるMeridianを提案する。 本稿では,ロボットのサブマップ上の分布を推定するための新しい一貫性指標を定式化し,ロバストなポーズグラフ最適化ステップにおいて,ロボット軌道推定のための不整合仮説を否定する。 提案アルゴリズムは, 自律走行データセット, 公園, キャンパスエリア, 荒野キャンプなど, 様々な環境において, 地上ロボットをローカライズできることを示す。

関連論文リスト

• Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
  マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。 既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。 本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T21:17:53Z)
• Mind the Gaps: Multi-Robot Feedback-Driven Ergodic Coverage in Unknown Environments [1.0828616610785522]
  本研究は,ロボットのチームが環境内のデータを収集する位置を連続的に調整することで動的サンプリングを行う,マルチロボット適応型カバレッジの問題に対処する。 本研究では,環境モデルからのリアルタイムフィードバックを利用して,未知条件に応じてロボットのサンプリング行動を調整する適応型カバレッジ戦略を提案する。 我々のフレームワークは、ロボットが関心のある領域を動的に優先順位付けし、カバレッジ効率を向上し、個々のエージェントに対して効果的な制御ポリシーを合成し、未知の事前分布でリソース使用を最適化することを可能にする。
  論文  参考訳（メタデータ） (2026-05-20T20:25:35Z)
• 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 Spatial-temporal Traversability Assessment via Feature-based Sparse Gaussian Process [15.756895046886406]
  本研究では,自律型ロボットが複雑な地形を移動できるようにすることを目的とした,空間的時間的トラバーサビリティ評価手法を提案する。 我々の手法は精度と計算効率の両面でSOTAよりも優れている。 本研究では,移動可能性マップと統合された自律ナビゲーションフレームワークを開発し,複雑な屋外環境下での微分駆動車による検証を行う。
  論文  参考訳（メタデータ） (2025-03-06T06:26:57Z)
• Outlier-Robust Long-Term Robotic Mapping Leveraging Ground Segmentation [1.7948767405202701]
  箱から出られる堅牢な長期ロボットマッピングシステムを提案する。 i) 外れ値の存在を否定する高速で頑健な接地分割を提案する。 粗悪なアウトリールの存在を包含する地盤セグメンテーションによるロバストな登録を提案する。
  論文  参考訳（メタデータ） (2024-05-18T04:56:15Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)

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。