論文の概要: DROID-ANCHOR: Odometry-Anchored Recurrent Metric Depth Estimation
- arxiv url: http://arxiv.org/abs/2607.17058v1
- Date: Sun, 19 Jul 2026 04:03:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.346756
- Title: DROID-ANCHOR: Odometry-Anchored Recurrent Metric Depth Estimation
- Title（参考訳）: DROID-ANCHOR:Odometry-Anchored Recurrent Metric Depth Estimation
- Abstract要約: Metric-DROIDは、視覚的SLAMを物理的現実に固定するエンドツーエンドの反復アーキテクチャである。
我々のシステムは視覚的再投射とメートル法翻訳の残差をインテリジェントにバランスさせ、ホイールスリップとセンサノイズの影響を効果的に軽減する。
- 参考スコア（独自算出の注目度）: 12.05347499107643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise metric depth estimation is fundamental for autonomous robot navigation, yet monocular systems inherently suffer from scale ambiguity and scale drift. While recent recurrent flow-based SLAM systems have demonstrated state-of-the-art robustness, they remain scale-ambiguous. In this paper, we propose Metric-DROID, an end-to-end recurrent architecture that anchors visual SLAM to physical reality by integrating proprioceptive odometry. Our framework introduces the following innovations: (1) A LSTM Update Operator that encodes high-frequency odometry sequences into spatial feature maps, providing a persistent metric bias for iterative refinement. (2) An Uncertainty-Aware Metric Backend ($BA_{odom}$) that treats odometry as a geometric anchor with learned heteroscedastic covariance. By regressing a time-varying metric uncertainty $Σ_{o}$, our system intelligently balances visual re-projection and metric translation residuals, effectively mitigating the impact of wheel-slip and sensor noise. (3) We further propose a selective residual fine-tuning strategy to preserve pre-trained geometric priors while enabling zero-shot metric alignment.
- Abstract（参考訳）: 精密距離推定は自律型ロボットナビゲーションの基本であるが、単分子系は本質的にスケールのあいまいさとスケールドリフトに悩まされている。
最近の流れに基づくSLAMシステムは、最先端の堅牢性を示しているが、それらはスケールの曖昧さを保っている。
本稿では,視覚的SLAMを物理的現実に固定したエンドツーエンドのリカレントアーキテクチャであるMetric-DROIDを提案する。
1)高頻度オドメトリーシーケンスを空間的特徴マップにエンコードするLSTM更新演算子により、反復的改善のための持続的メートル法バイアスを与える。
2) 不確かさを意識したメートル法バックエンド(BA_{odom}$)は,非定常的共分散(herescedastic covariance)を学習した幾何学的アンカーとしてオドメトリーを扱う。
時変距離の不確実性$Σ_{o}$を回帰することにより、我々のシステムは視覚的再投射とメートル法翻訳残差をインテリジェントにバランスさせ、ホイールスリップとセンサノイズの影響を効果的に軽減する。
さらに,ゼロショット距離アライメントを実現しつつ,事前学習した幾何前兆を保存するための残留微調整戦略を提案する。
関連論文リスト
- Attractor Geometry Determines the Identifiability Limits of System Discovery [0.764671395172401]
1つの数値、$_min(M)$はスパース回帰(SINDy)と進化回帰(PySR)の両方に対して識別可能性天井を設定する。
また、二進数や予測スコアに見えない性能差を解消する係数重み付き構造計量であるSoft F1を導入する。
論文 参考訳（メタデータ） (2026-07-20T20:19:19Z) - Representation-Induced Symmetry Trapping in Adaptive Variational Quantum Simulations of Multi-Reference Topologies [0.0]
スピン保存されたSUSD演算子プールを高度に拡張した構成で評価した。
点群対称性の保存が最適化景観を構造的に保護することを示す。
プール内の構造的重複を利用して、共分散駆動型適応ショットアロケーションフィルタを導入する。
論文 参考訳（メタデータ） (2026-06-11T14:16:11Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - PRISM-SLAM: Probabilistic Ray-Grounded Inference for Scale-aware Metric SLAM [0.0]
PRISM-SLAMは、VFMプリエントを構造化ベイズ因子グラフに厳密に統合するリアルタイムフレームワークである。
我々は,一貫した距離座標系内の絶対空間における単分子観測を固定するために,チャンカー線距離係数を導入する。
VFM推論と幾何追跡を非同期に処理するマルチプロセスアーキテクチャを利用することで、PRISM-SLAMはRGB入力のみを使用して、30FPSで検証済みのメトリック出力を提供する。
論文 参考訳（メタデータ） (2026-05-19T02:10:04Z) - MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。
我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。
MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
論文 参考訳（メタデータ） (2026-02-04T09:14:09Z) - Rotation Control Unlearning: Quantifying and Controlling Continuous Unlearning for LLM with The Cognitive Rotation Space [66.51378598755933]
本研究では,学習継続過程における学習度を定量化し,制御する,回転制御アンラーニング(RCU)と呼ばれる新しい手法を提案する。
歪対称損失は、回転角の変化が連続的未学習過程をシミュレートできる認知回転空間の存在を構築するように設計されている。
複数のデータセットに対する実験により、保持されたデータセットを持たないメソッドがSOTA性能を達成することを確認した。
論文 参考訳（メタデータ） (2025-09-30T03:59:29Z) - EqNIO: Subequivariant Neural Inertial Odometry [33.96552018734359]
重力ベクトルの周りで回転すると、IMUデータは等変的に変形し、重力に平行な任意の平面に対して反射することを示す。
そして、IMUデータをこのフレームにマッピングし、既製の慣性オドメトリーネットワークで直接使用できる不変な正準化を実現する。
論文 参考訳（メタデータ） (2024-08-12T17:42:46Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z) - DM-VIO: Delayed Marginalization Visual-Inertial Odometry [62.746533939737446]
本稿では,遅延残差化とポーズグラフバンドル調整に基づく視覚慣性システムDM-VIOを提案する。
我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステムの評価を行った。
論文 参考訳（メタデータ） (2022-01-11T18:30:37Z) - Simultaneous boundary shape estimation and velocity field de-noising in
Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。
これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。
我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-07-16T12:56:09Z)
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。