論文の概要: Ultra-Fusion: A Resilient Tightly-Coupled Multi-Sensor Fusion SLAM Framework under Sensor Degradation and Spatiotemporal Perturbation for Intelligent Transportation Systems
- arxiv url: http://arxiv.org/abs/2606.21223v1
- Date: Fri, 19 Jun 2026 08:40:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 07:17:50.041317
- Title: Ultra-Fusion: A Resilient Tightly-Coupled Multi-Sensor Fusion SLAM Framework under Sensor Degradation and Spatiotemporal Perturbation for Intelligent Transportation Systems
- Title（参考訳）: Ultra-Fusion: インテリジェントトランスポートシステムにおけるセンサ劣化と時空間摂動を考慮した高強度結合型マルチセンサフュージョンSLAMフレームワーク
- Authors: Yihong Tian, Junjie Zhang, Liuyang Li, Deteng Zhang, Yunfei Zuo, Jie Yin,
- Abstract要約: 本稿では,一元的スライディングウインドウ推定器に基づく密結合型マルチセンサ・ローカライズ・フレームワークであるUltra-Fusionを提案する。
M3DGR, M2DGR-Plus, KAIST, GrandTour, MARS-LVIG を用いた60以上のオープンソースSLAMシステムの評価を行った。
その結果、車輪付き、脚付き、空中プラットフォーム間の長期・高速運転時の競争精度が示された。
- 参考スコア（独自算出の注目度）: 6.0362659834721955
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Reliable localization is essential for intelligent transportation systems (ITS), including autonomous vehicles, quadruped last-mile carriers, and infrastructure-inspection unmanned aerial vehicles (UAVs). Although tightly-coupled multi-sensor fusion improves accuracy in favorable conditions, deployed systems remain vulnerable to sensor degradation -- poor illumination, LiDAR degeneracy, wheel slippage, and GNSS outage -- and to spatiotemporal calibration errors. These failures are common in urban canyons, tunnels, and high-speed corridors, where localization drift can degrade route tracking, tunnel passage continuity, and local map alignment. This paper presents Ultra-Fusion, a tightly-coupled multi-sensor localization framework based on a unified sliding-window estimator. Asynchronous measurements are timestamp-ordered and converted into optional factors within one optimization window, supporting WIO, VIO, LIO, and LVIO with optional wheel and GNSS augmentation. Observability-aware initialization selects the bootstrap mode, factor-wise reliability scheduling gates degraded measurements, and online LiDAR--IMU spatiotemporal calibration refines temporal offsets and rotational extrinsics during operation. We extend the M3DGR benchmark with simulation trajectories and evaluate more than 60 open-source SLAM systems on M3DGR, M2DGR-Plus, KAIST, GrandTour, and MARS-LVIG. The results show competitive accuracy across wheeled, legged, and aerial platforms under long-duration and high-speed operation, degradation, and calibration perturbation, improving localization availability for road-level autonomy, campus and warehouse mobility, and low-altitude aerial inspection. To benefit the industrial and academic community, we will release source code and datasets upon paper acceptance.
- Abstract（参考訳）: インテリジェント輸送システム(ITS)には信頼性の高いローカライゼーションが不可欠であり、自動運転車、四輪空母、インフラ検査無人航空機(UAV)などが含まれる。
密結合されたマルチセンサーフュージョンは良好な条件下で精度を向上するが、展開システムはセンサー劣化(照明の劣化、LiDARの退化、車輪のすべり、GNSSの停止)と時空間の校正誤差に弱いままである。
これらの障害は、都市キャニオン、トンネル、高速回廊でよく見られ、そこでは、局所化ドリフトが経路追跡、トンネル通過連続性、および局所地図アライメントを低下させることができる。
本稿では,一元的スライディングウインドウ推定器に基づく密結合型マルチセンサ・ローカライズ・フレームワークであるUltra-Fusionを提案する。
非同期測定はタイムスタンプで順序付けされ、1つの最適化ウィンドウ内のオプション要素に変換され、オプションのホイールとGNSS拡張でWIO、VIO、LOO、LVIOをサポートする。
可観測性を考慮した初期化では、ブートストラップモード、因子単位の信頼性スケジューリングゲートの劣化測定が選択され、オンラインLiDAR-IMU時空間キャリブレーションにより、操作中の時間オフセットと回転外乱が改善される。
また,M3DGR,M2DGR-Plus,KAIST,GrandTour,MARS-LVIGで60以上のオープンソースSLAMシステムの評価を行った。
その結果, 長期・高速運転, 劣化, キャリブレーションによるプラットフォーム間の競争精度が向上し, 道路レベルの自律性, キャンパス・倉庫の移動性, 低高度航空検査が向上した。
産業と学術のコミュニティに利益をもたらすため、私たちは、論文の受け入れに応じてソースコードとデータセットをリリースします。
関連論文リスト
- FAST-LIVGO: A Degeneracy-Robust LiDAR-Inertial-Visual-GNSS Fusion Odometry [14.641801914375163]
ロボット工学において、長期、大規模、高度にダイナミックな環境における状態推定とマッピングが重要な課題である。
既存のLiDAR-In-ertial-Visual Odometry (LIVO) システムは、強い局所精度を実現するが、長距離で蓄積したドリフトに悩まされる。
本稿では,これらの制約に対処するために,エラー状態反復カルマンフィルタに基づくLiDAR支援融合フレームワークを提案する。
我々のシステムは、蓄積したドリフトとマップゴーストを低減し、精度とロバスト性において最先端の手法より優れる。
論文 参考訳（メタデータ） (2026-06-17T15:33:11Z) - FU-MPC: Frontier- and Uncertainty-Aware Model Predictive Control for Efficient and Accurate UAV Exploration with Motorized LiDAR [29.924596251375892]
我々は独立に回転するLiDARを備えたUAVプラットフォームを開発し、階層的な探索フレームワークを提案する。
Fu-MPCは、予測された飛行軌道に沿ってLiDAR回転を最適化する局所後退水平走査コントローラとして機能する。
複雑な環境下での実験では、ロバストなローカライゼーション性能を維持しつつ、探索効率を向上させることが示されている。
論文 参考訳（メタデータ） (2026-05-14T14:54:29Z) - RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。
様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。
強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
論文 参考訳（メタデータ） (2026-04-16T17:59:44Z) - Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。
シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。
高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
論文 参考訳（メタデータ） (2026-02-17T15:10:44Z) - Improved Robustness of Deep Reinforcement Learning for Control of Time-Varying Systems by Bounded Extremum Seeking [39.407739937584104]
深部強化学習制御器の頑健性を改善するため,頑健なモデル独立有界限界探索(ES)フィードバック制御について検討した。
ロスアラモス中性子科学センター線形粒子加速器における低エネルギービーム輸送部の自動チューニングのための一般時変系とES-DRL制御器の数値的研究を行った。
論文 参考訳（メタデータ） (2025-10-02T18:53:02Z) - ASTREA: Introducing Agentic Intelligence for Orbital Thermal Autonomy [51.56484100374058]
ASTREAは、自律的な宇宙船運用のためのフライト・ヘリテージ・ハードウェア上で実行される最初のエージェント・システムである。
我々は,資源制約付き大規模言語モデル(LLM)エージェントと強化学習コントローラを,空間対応プラットフォームに適した非同期アーキテクチャに統合する。
論文 参考訳（メタデータ） (2025-09-16T08:52:13Z) - LiDAR-BIND-T: Improved and Temporally Consistent Sensor Modality Translation and Fusion for Robotic Applications [2.112132378217468]
本稿では,多元性センサ(レーダー,ソナー)をLiDAR定義潜在空間に結合するモジュール型マルチモーダル融合フレームワークLiDAR-BINDを拡張した。
i)連続的な潜伏表現を整列する時間的埋め込み類似性、(ii)予測と地上の真実のLiDARの変位に一致する動きに沿った変換損失、(iii)特別な時間的加群を用いた窓付き時間的融合、の3つの貢献を紹介する。
論文 参考訳（メタデータ） (2025-09-06T14:21:27Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z)
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。