論文の概要: A New Implementation of NeoSLAM and a Comparative Evaluation with RatSLAM

• arxiv url: http://arxiv.org/abs/2607.16143v1
• Date: Fri, 17 Jul 2026 17:23:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.916435
• Title: A New Implementation of NeoSLAM and a Comparative Evaluation with RatSLAM
• Title（参考訳）: NeoSLAM の新規実装と RatSLAM との比較検討
• Abstract要約: 本稿では,NeoSLAMアルゴリズムの新たな実装を提案する。 提案されたバージョンは、最新のフレームワークを使用したモジュールアーキテクチャへのNeoSLAMの完全な書き直しである。 この研究は、環境条件の異なる3つのデータセットに対して、NeoSLAMとRatSLAMの比較評価も提供する。
• 参考スコア（独自算出の注目度）: 0.04188114563181614
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a new implementation of the NeoSLAM algorithm. The proposed version is a complete rewrite of NeoSLAM into a modular architecture using modern frameworks that, together, enable real-time execution with minimal discarding of input data. This work also provides a comparative evaluation between NeoSLAM and RatSLAM across three datasets under varying environmental conditions. The experimental results highlight differences in mapping consistency and trajectory reconstruction, demonstrating the effectiveness and practical applicability of the proposed ROS2-based implementation. The results indicate that the new NeoSLAM outperforms the original in terms of processing throughput for real-time applications and achieves comparable performance to RatSLAM in terms of map reconstruction across the evaluated datasets.
• Abstract（参考訳）: 本稿では,NeoSLAMアルゴリズムの新たな実装を提案する。 提案されたバージョンは、NeoSLAMをモダンなフレームワークを使ってモジュール化されたアーキテクチャに完全に書き換えたもので、同時に、入力データの最小限の破棄でリアルタイム実行を可能にする。 この研究は、環境条件の異なる3つのデータセットに対して、NeoSLAMとRatSLAMの比較評価も提供する。 実験結果は、マッピングの整合性と軌道再構成の相違を強調し、提案したROS2実装の有効性と実用性を示した。 結果は、新しいNeoSLAMは、リアルタイムアプリケーションの処理スループットという点でオリジナルよりも優れており、評価されたデータセット間のマップ再構成という点で、RatSLAMに匹敵するパフォーマンスを実現していることを示している。

関連論文リスト

• KAN-Dreamer: Benchmarking Kolmogorov-Arnold Networks as Function Approximators in World Models [0.0]
  Kolmogorov-Arnold Networks (KAN) は、MLP(Multi-Arnold Perceptrons)に代わる有望な代替品として登場した。 本報告は,kan-based world modelの今後の発展に向けた予備研究である。
  論文  参考訳（メタデータ） (2025-12-08T11:13:15Z)
• SLAM&Render: A Benchmark for the Intersection Between Neural Rendering, Gaussian Splatting and SLAM [12.378998250852383]
  SLAM&RenderはSLAM, Novel View Rendering, Gaussian Splattingの交差点でメソッドをベンチマークするために設計された新しいデータセットである。 タイム同期RGB-Dイメージ、IMU読み込み、ロボットキネマティックデータ、グラウンドトルースポーズストリームを備えた40のシーケンスを独自に備えている。 ロボットキネマティックデータをリリースすることにより、このデータセットはロボットアプリケーションにおけるSLAMパラダイムの最近の統合を評価することもできる。
  論文  参考訳（メタデータ） (2025-04-18T14:28:34Z)
• VSLAM-LAB: A Comprehensive Framework for Visual SLAM Methods and Datasets [64.57742015099531]
  VSLAM-LABは、VSLAMシステムの開発、評価、デプロイを効率化する統合フレームワークである。 VSLAMアルゴリズムのシームレスなコンパイルと構成、データセットの自動ダウンロードと前処理、標準化された実験設計、実行、評価を可能にする。
  論文  参考訳（メタデータ） (2025-04-06T12:02:19Z)
• Performance evaluation of SLAM-ASR: The Good, the Bad, the Ugly, and the Way Forward [10.914414815406275]
  近年,音声基盤エンコーダと大規模言語モデル(LLM)の線形接続を訓練することで,このアーキテクチャが強力なASR機能を実現することが実証されている。 印象的な結果にもかかわらず、これらの単純なアプローチが様々なシナリオや発話条件で十分に堅牢であるかどうかは不明だ。 本稿ではSLAM-ASRアーキテクチャを効果的に活用する方法に関する知見を提供する。
  論文  参考訳（メタデータ） (2024-11-06T12:22:04Z)
• Evaluating Modern Approaches in 3D Scene Reconstruction: NeRF vs Gaussian-Based Methods [4.6836510920448715]
  本研究では,3次元シーン再構成におけるニューラルレージアン場(NeRF)とガウス法(Gaussian-based method)の機能について検討する。 我々は,追跡精度,マッピング忠実度,ビュー合成に基づく性能評価を行った。 発見によると、NeRFはビュー合成に優れており、既存のデータから新しい視点を生成するユニークな機能を提供する。
  論文  参考訳（メタデータ） (2024-08-08T07:11:57Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)
• CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
  本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。 これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。 協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T09:17:15Z)
• PoseRAC: Pose Saliency Transformer for Repetitive Action Counting [56.34379680390869]
  冗長なフレームではなく,2つのサレントポーズのみを用いて,各アクションを効率よく表現するPose Saliency Representationを導入する。 また,この表現に基づいて,最先端のパフォーマンスを実現するPoseRACについても紹介する。 当社の軽量モデルは非常に効率的で、GPUでのトレーニングに20分しか必要とせず、従来の方法に比べて10倍近い速さで推論します。
  論文  参考訳（メタデータ） (2023-03-15T08:51:17Z)
• NICE-SLAM: Neural Implicit Scalable Encoding for SLAM [112.6093688226293]
  NICE-SLAMは階層的なシーン表現を導入することでマルチレベルローカル情報を組み込んだ高密度SLAMシステムである。 最近の暗黙的SLAMシステムと比較して、私たちのアプローチはよりスケーラブルで効率的で堅牢です。
  論文  参考訳（メタデータ） (2021-12-22T18:45:44Z)
• LIFT-SLAM: a deep-learning feature-based monocular visual SLAM method [0.0]
  従来のジオメトリベースのVSLAMと深層学習に基づく特徴記述子の可能性を組み合わせることを提案する。 KITTIとEurocのデータセットを用いた実験では、ディープラーニングが従来のVSLAMシステムの性能向上に有効であることが示されている。
  論文  参考訳（メタデータ） (2021-03-31T20:35:10Z)

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。