論文の概要: Commerge: Communication-Efficient, Robust, and Fast LiDAR Map Merging Framework for Multi-Robot Coordination in Resource-Constrained Scenarios

• arxiv url: http://arxiv.org/abs/2606.25386v1
• Date: Wed, 24 Jun 2026 04:33:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.219294
• Title: Commerge: Communication-Efficient, Robust, and Fast LiDAR Map Merging Framework for Multi-Robot Coordination in Resource-Constrained Scenarios
• Title（参考訳）: Commerge: 資源制約シナリオにおけるマルチロボット協調のための通信効率,ロバスト,高速LiDARマップ統合フレームワーク
• Abstract要約: マルチロボットLiDARマップのマージにより、より高速な探索と効率的な地域被覆が可能となる。 しかし、マップのマージには、サーバとロボットの間で大量のセンサーデータを交換する必要がある。 グラフ理論選択的データ交換による帯域幅削減を実現するフレームワークであるCommergeを提案する。
• 参考スコア（独自算出の注目度）: 7.138641272943063
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: By maintaining global consistency across robot teams, multi-robot LiDAR map merging enables faster exploration and efficient area coverage. However, map merging requires exchanging massive sensor data between the server and robots, making communication the bottleneck, especially in communication-constrained environments. Therefore, we present Commerge, a communication-efficient map merging framework that achieves bandwidth reduction through graph-theoretic selective data exchange. By doing so, our Commerge reduces inter-robot communication by up to 5,000x while maintaining alignment accuracy. Our key insight is that only a small subset of carefully selected scans is sufficient for robust map merging. We formulate this as a three-stage cascaded optimization problem on an exchange graph, where vertices represent robot keyframes and edges denote candidate inter-robot loops. Through three cascade stages, we select a sequentially overlapped, balanced-transmission-cost, and geometrically-perceptually optimal scan subset that preserves alignment quality while reducing communication. Unlike existing approaches that either transmit whole scans, which require GB-scale data exchange, or employ naive downsampling, our approach exchanges only MB-scale data while achieving comparable alignment accuracy. Extensive evaluation on five public datasets and four in-house datasets covering cave, planetary-analog, indoor, and outdoor campus environments shows up to 99.98% reduction in data exchange (e.g., from 7,000MB to 1.3MB on the HeLiPR dataset), while maintaining alignment performance across embedded to desktop platforms. The supplementary materials are available at https://sparolab.github.io/research/commerge.
• Abstract（参考訳）: ロボットチーム間のグローバルな一貫性を維持することで、マルチロボットのLiDARマップのマージにより、より高速な探索と効率的なエリアカバレッジが可能になる。 しかし、マップマージでは、サーバとロボットの間で大量のセンサーデータを交換する必要があるため、特に通信に制約のある環境では、通信がボトルネックとなる。 そこで我々は,グラフ理論選択的データ交換による帯域幅削減を実現する通信効率の高いマップマージフレームワークであるCommergeを提案する。 これによってCommergeは、アライメントの精度を維持しながら、ロボット間の通信を最大5,000倍に削減します。 私たちの重要な洞察は、慎重に選択されたスキャンの小さなサブセットだけが、堅牢なマップマージに十分であるということです。 我々はこれを,ロボットのキーフレームとエッジがロボット間ループを表すような,交換グラフ上の3段階のカスケード最適化問題として定式化する。 3つのカスケードステージを通じて、通信を低減しつつアライメント品質を保ちながら、逐次重なり、バランスの取れた送信コスト、幾何学的に最適なスキャンサブセットを選択する。 GBスケールのデータ交換を必要とするスキャン全体を送信する既存のアプローチと異なり、我々のアプローチは、同等のアライメント精度を達成しつつ、MBスケールのデータのみを交換する。 洞窟、惑星カタログ、屋内、屋外のキャンパス環境をカバーする5つのパブリックデータセットと4つの社内データセットの大規模な評価は、組み込みプラットフォームとデスクトッププラットフォーム間のアライメント性能を維持しながら、データ交換(例えばHeLiPRデータセットでは7,000MBから1.3MB)を99.98%削減する。 追加資料はhttps://sparolab.github.io/research/commerge.comから入手できる。

関連論文リスト

• Higher-Order Cell Tracking Transformer [1.3356260369011272]
  細胞分裂は、ノード埋め込み空間内の異なる系統経路を絡み合わせる。 ノードを共有するエッジは、ほぼランダムなラベル契約を持つ。 本稿では,3次元幾何学的手法を用いて,候補セルリンクが互いに参加するエッジ中心アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-07-13T16:12:29Z)
• Multi-Agent Next-Best-View Optimization for Risk-Averse Planning [1.1246921651379473]
  不確実で未知の環境での安全な経路計画のためのマルチエージェントNBV(Next-Best-View)の選択には、情報的、安全に配慮し、効率的な調整が必要である。 本研究では,各ロボットがプライベートなローカル3Dガウスマップを維持できる分散型リスク対応NBVフレームワークを提案する。 複数のチーム規模のGibson環境での実験は、分散定式化が、マッピングの品質と軌道安全において集中的なベースラインに近づいたことを示している。
  論文  参考訳（メタデータ） (2026-06-02T19:23:23Z)
• OpenSGA: Efficient 3D Scene Graph Alignment in the Open World [27.9502908270849]
  シーングラフアライメントは、部分的に重なり合う観察から構築された2つの3次元シーングラフ間のオブジェクト対応を確立する。 既存のアプローチは主にサブスキャン・ツー・サブスキャン(S2S)アライメントに焦点を当てており、幾何点雲の特徴に大きく依存している。 視覚言語,テキスト,幾何学的特徴を空間的コンテキストで融合することにより,オブジェクトの対応性を予測する,統一的で効率的なシーングラフアライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-11T12:44:18Z)
• The Impact of Federated Learning on Distributed Remote Sensing Archives [0.5833117322405447]
  地球観測ミッションでは5ペタバイト以上の画像が蓄積され、多くの地理的に分散したプラットフォームに格納され、処理されている。 中央集権的な方法で機械学習モデルをトレーニングすることは、データボリューム、主権の制約、地理的分布のために現実的ではない。 フェデレートラーニング(FL)は、データをローカルに保持し、モデル更新のみを交換することで、この問題に対処する。
  論文  参考訳（メタデータ） (2026-04-13T14:46:20Z)
• OpenNavMap: Structure-Free Topometric Mapping via Large-Scale Collaborative Localization [12.686154192361913]
  OpenNavMapは、オンデマンドの再構築に3D幾何学的基礎モデルを活用する軽量で構造のないトポロジカルシステムである。 提案手法は,動的プログラミングに基づくシーケンスマッチング,幾何検証,信頼性校正最適化を,頑健で粗いサブマップアライメントに統一する。 Map-Freeベンチマークの評価は、平均翻訳誤差0.62mを達成し、構造移動ベースラインと回帰ベースラインよりも優れた精度を示す。
  論文  参考訳（メタデータ） (2026-01-18T07:24:46Z)
• Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
  本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。 生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。 数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
  論文  参考訳（メタデータ） (2025-11-21T07:25:49Z)
• Adaptive and Robust DBSCAN with Multi-agent Reinforcement Learning [53.527506374566485]
  本稿では,多エージェント強化学習クラスタフレームワーク,すなわちAR-DBSCANを用いた新しいAdaptive and Robust DBSCANを提案する。 我々は、AR-DBSCANが、NMIおよびARIメトリクスの最大144.1%と175.3%のクラスタリング精度を向上するだけでなく、支配的なパラメータを確実に見つけることができることを示した。
  論文  参考訳（メタデータ） (2025-05-07T11:37:23Z)
• Communication- and Computation-Efficient Distributed Submodular Optimization in Robot Mesh Networks [2.8936428431504164]
  ロボットメッシュネットワークにおける分散サブモジュール最適化のための通信効率と計算効率の両立手法を提案する。 我々の手法であるResource-Aware Distributed Greedy (RAG)は、新しい分散最適化パラダイムを導入する。 RAGの決定時間はネットワークサイズと線形にスケールするが、最先端の準モジュラ最適化アルゴリズムは3倍にスケールする。
  論文  参考訳（メタデータ） (2024-07-15T01:25:39Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• CASSPR: Cross Attention Single Scan Place Recognition [43.68230981047338]
  点雲に基づく位置認識(LiDAR)は、自律ロボットや自動運転車にとって重要なコンポーネントである。 現在のSOTA性能は、点ベースまたはボクセルベースの構造を用いて蓄積したLiDARサブマップ上で達成される。 クロスアテンショントランスを用いた点ベースおよびボクセルベースアプローチの融合手法としてCASSPRを提案する。
  論文  参考訳（メタデータ） (2022-11-22T19:18:30Z)
• InfoOT: Information Maximizing Optimal Transport [58.72713603244467]
  InfoOTは最適な輸送の情報理論の拡張である。 幾何学的距離を最小化しながら、ドメイン間の相互情報を最大化する。 この定式化は、外れ値に対して堅牢な新しい射影法をもたらし、目に見えないサンプルに一般化する。
  論文  参考訳（メタデータ） (2022-10-06T18:55:41Z)
• 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)
• Kimera-Multi: a System for Distributed Multi-Robot Metric-Semantic Simultaneous Localization and Mapping [57.173793973480656]
  本稿では,高密度メカニカル・セマンティックSLAMのための完全分散マルチロボットシステムを提案する。 私たちのシステムはKimera-Multiと呼ばれ、視覚慣性センサーを備えたロボットチームによって実装されています。 Kimera-Multiは環境の3Dメッシュモデルをリアルタイムで構築し、メッシュの各面にセマンティックラベルをアノテートする。
  論文  参考訳（メタデータ） (2020-11-08T21:38:12Z)

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。