論文の概要: WinTA-GIL: Windowed Trajectory Alignment for GNSS-IMU-LiDAR Heading Refinement in Intermittent Signal Environments

• arxiv url: http://arxiv.org/abs/2607.04879v1
• Date: Mon, 06 Jul 2026 09:59:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.107407
• Title: WinTA-GIL: Windowed Trajectory Alignment for GNSS-IMU-LiDAR Heading Refinement in Intermittent Signal Environments
• Title（参考訳）: WinTA-GIL:間欠信号環境におけるGNSS-IMU-LiDARヘッドのウィンドウ軌道アライメント
• Abstract要約: 本稿では,ナビゲーションシステムのための新たな指向性改善フレームワークであるWinTA-GILを提案する。 GNSS、IMU、LiDARからの情報を時間的ウィンドウベースの最適化戦略を通じて統合する。 オープンソースのデータセットと自己コンパイルデータセットの両方の実験では、WinTA-GILは推定精度と堅牢性の両方において最先端のアプローチを著しく上回っている。
• 参考スコア（独自算出の注目度）: 5.192383265052114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although multi-source fusion positioning systems have achieved significant progress, accurate and reliable heading estimation remains a critical challenge due to the lack of gravitational constraints and the inherent weak observability of heading in complex environments. Most existing methodologies are specifically tailored for the startup phase, relying on a singular initial alignment to establish the heading reference. Consequently, these approaches lack the adaptability required to refine heading estimates dynamically, which renders the system highly vulnerable to accumulated drift and observation noise during prolonged navigation or immediately following GNSS signal outages. To address these limitations, this paper proposes WinTA-GIL, a novel heading refinement framework that integrates information from Global Navigation Satellite System (GNSS), Inertial Measurement Unit (IMU), and Light Detection and Ranging (LiDAR) through a temporal window-based optimization strategy. Unlike conventional alignment methods restricted to the startup phase, WinTA-GIL leverages high-precision local trajectories from LiDAR-Inertial Odometry (LIO) to register against filtered GNSS observations. This approach transforms heading estimation into a repeatable, trajectory-based consistency optimization problem. In particular, an adaptive re-estimation mechanism based on state discrimination is incorporated to trigger heading corrections whenever necessary, thereby effectively suppressing the inertial drift accumulated during challenging conditions. Extensive experiments on both open-source and self-collected datasets demonstrate that WinTA-GIL significantly outperforms state-of-the-art approaches in both estimation accuracy and system robustness.
• Abstract（参考訳）: マルチソース核融合位置決めシステムは大きな進歩を遂げてきたが、重力的制約の欠如と複雑な環境における方向推定の本質的に弱いため、正確で信頼性の高い方向推定は依然として重要な課題である。 既存のほとんどの方法論は起動フェーズに特化しており、先頭参照を確立するための特異な初期アライメントに依存しています。 その結果、これらの手法は方向推定を動的に洗練するために必要な適応性に欠けており、長い航法中やGNSS信号の停止の直後に、システムは蓄積されたドリフトや観測ノイズに非常に脆弱である。 このような制約に対処するために,GNSS(Global Navigation Satellite System)やIMU(Inertial Measurement Unit),光検出・照準器(LiDAR)などの情報を時間的ウィンドウベース最適化戦略を通じて統合する,新たな方向修正フレームワークであるWinTA-GILを提案する。 起動フェーズに制限された従来のアライメント手法とは異なり、WinTA-GILはLIO(LiDAR-Inertial Odometry)からの高精度な局所軌道を利用して、フィルタされたGNSS観測に登録する。 このアプローチは、方向推定を繰り返し軌道に基づく整合性最適化問題に変換する。 特に、状態判別に基づく適応的再推定機構を組み込んで、必要に応じて方向補正をトリガーし、挑戦状態に蓄積した慣性ドリフトを効果的に抑制する。 オープンソースとセルフコンパイル両方のデータセットに対する大規模な実験により、WinTA-GILは推定精度とシステムの堅牢性の両方において最先端のアプローチを著しく上回っていることが示された。

関連論文リスト

• Belief-Adaptive Online Autonomy for Quadrotor UAV Navigation under GNSS Degradation in Urban Environments [13.385208643257085]
  本稿では,拡張カルマンフィルタ(EKF)を明示的な信頼モデリング,2次オンライン信条適応,エラー処理の遅延認識アウト・オブ・シーケンス計測により拡張する,信念適応型オンライン自律フレームワークを提案する。 このフレームワークは古典的なIMU融合構造を保持しており、既存の飛行制御パイプラインに統合することができ、劣化した環境での堅牢なオンライン自律性をサポートする。
  論文  参考訳（メタデータ） (2026-09-13T21:40:01Z)
• BLENDS: Bayesian Learning-Enhanced Deep Smoothing for GNSS-Denied Environments [8.510813384980262]
  本稿では,学習した共分散適応と状態補正によりベイズ平滑化を増強するトランスフォーマーベースのフレームワークを提案する。 提案手法は,データ駆動学習を活用してナビゲーション精度を向上させるとともに,ベイズ推定の統計的基礎を保存する。 機能停止を伴う四重項データセットの評価は、BLENDSがモデルベースのスムースナーを一貫して上回り、位置根の平均平方誤差を最大25.6%改善することを示した。
  論文  参考訳（メタデータ） (2026-06-21T12:00:10Z)
• 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)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Online Inertia Tensor Identification for Non-Cooperative Spacecraft via Augmented UKF [0.0]
  本稿では,非協調ターゲット宇宙船の相対的な6-DOFポーズと全慣性テンソルを共同で推定するための拡張アンセント・カルマンフィルタ(UKF)フレームワークを提案する。 提案アーキテクチャは,単眼視に基づく畳み込みニューラルネットワーク(CNN)の視覚計測をLiDARの深度情報と融合させて,剛体力学の結合を制約する。 慣性テンソルの6つの独立要素を含む状態ベクトルを増大させることで、基底ベースの事前校正を必要とせず、ターゲットの正規化質量分布をリアルタイムで動的に復元する。
  論文  参考訳（メタデータ） (2026-03-28T18:13:03Z)
• GTS: Inference-Time Scaling of Latent Reasoning with a Learnable Gaussian Thought Sampler [54.10960908347221]
  我々は、学習可能な密度から条件付きサンプリングとして潜在思考探索をモデル化し、このアイデアをガウス思想サンプリング(GTS)としてインスタンス化する。 GTSは、連続的推論状態における文脈依存摂動分布を予測し、バックボーンを凍結させながらGRPOスタイルのポリシー最適化を訓練する。
  論文  参考訳（メタデータ） (2026-02-15T09:57:47Z)
• PhyG-MoE: A Physics-Guided Mixture-of-Experts Framework for Energy-Efficient GNSS Interference Recognition [49.955269674859004]
  本稿では,PhyG-MoE(Physics-Guided Mixture-of-Experts)について述べる。 静的アーキテクチャとは異なり、提案システムはスペクトル特性の絡み合いに基づいて信号をルーティングするスペクトルベースのゲーティング機構を用いる。 高容量のTransNeXtエキスパートがオンデマンドでアクティベートされ、飽和シナリオで複雑な機能を分離する一方、軽量のエキスパートは基本的なシグナルを処理してレイテンシを最小化する。
  論文  参考訳（メタデータ） (2026-01-19T07:57:52Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Attention-Based Fusion of IQ and FFT Spectrograms with AoA Features for GNSS Jammer Localization [4.674584508653125]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 古典アングル・オブ・アーリバル (AoA) 法はマルチパス環境において精度を低下させる。 本研究では,ジャミング源の距離,方位,標高を推定しながら干渉の検出と分類を行う新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-07-09T06:49:11Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)
• Adaptive Control and Regret Minimization in Linear Quadratic Gaussian (LQG) Setting [91.43582419264763]
  我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。 LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
  論文  参考訳（メタデータ） (2020-03-12T19:56:38Z)

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。