論文の概要: SUPER ODOMETRY 2.0: Resilient Odometry via Hierarchical Adaptation
- arxiv url: http://arxiv.org/abs/2608.25427v1
- Date: Wed, 26 Aug 2026 06:34:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.622928
- Title: SUPER ODOMETRY 2.0: Resilient Odometry via Hierarchical Adaptation
- Title（参考訳）: Super ODOMETRY 2.0:階層型適応によるレジリエントオドメトリー
- Abstract要約: 各種環境劣化に適応するセンサ融合フレームワークであるSuper Odometryを提案する。
Super Odometryは階層構造を用いて、適応的特徴選択、適応的状態方向選択、適応的エンジン選択、新しい学習に基づく慣性オドメトリーを含む4つのコアモジュールを統合する。
スーパーオドメトリーは、空中、車輪付き、脚付きロボット群で200キロから800時間の運用時間で検証されている。
- 参考スコア（独自算出の注目度）: 20.595927613090613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Resilient and robust odometry is crucial for autonomous systems operating in complex and dynamic environments. Existing odometry systems often struggle with severe sensory degradations and extreme conditions such as smoke, sandstorms, snow, or low-light conditions, threatening both the safety and functionality of robots. To address these challenges, we present Super Odometry, a sensor fusion framework that dynamically adapts to varying levels of environmental degradation. Super Odometry employs a hierarchical structure to integrate four core modules from lower-level to higher-level adaptability including adaptive feature selection, adaptive state direction selection, adaptive engine selection, and a novel learning- based inertial odometry. The inertial odometry, trained on over 100 hours of heterogeneous robotic platforms, captures comprehensive motion dynamics. Super Odometry elevates the inertial measurement unit (IMU) to equal importance with camera and LiDAR within the sensor fusion framework, providing a reliable fallback when exteroceptive sensors fail. Super Odometry has been validated across 200 kilometers and 800 operational hours on a fleet of aerial, wheeled, and legged robots, under diverse sensor configurations, environmental degradation, and aggressive motion profiles. It marks an important step towards safe and long-term robotic autonomy in all-degraded environments.
- Abstract（参考訳）: レジリエントでロバストなオドメトリーは、複雑でダイナミックな環境で動く自律システムにとって不可欠である。
既存のオドメトリーシステムは、しばしば激しい感覚劣化や煙、砂嵐、雪、低照度といった極端な条件に悩まされ、ロボットの安全性と機能の両方を脅かす。
これらの課題に対処するために,様々な環境劣化に動的に適応するセンサ融合フレームワークであるSuper Odometryを提案する。
スーパーオドメトリーは、適応的特徴選択、適応的状態方向選択、適応的エンジン選択、新しい学習に基づく慣性オドメトリーを含む、低レベルから高レベルへの4つのコアモジュールを統合する階層構造を用いる。
慣性オドメトリーは、100時間以上の異種ロボットプラットフォームで訓練され、包括的な運動力学を捉えている。
スーパーオドメトリー(Super Odometry)は、慣性測定ユニット(IMU)をセンサー融合フレームワーク内のカメラとLiDARと同等の重要性に高め、外部受容センサーが故障した場合に確実にフォールバックを提供する。
スーパーオドメトリーは、様々なセンサー構成、環境劣化、攻撃的な動きプロファイルの下で、空中、車輪付き、脚付きロボット群で200キロから800時間の運用時間で検証されている。
これは、すべての劣化した環境における安全で長期的な自律性への重要な一歩である。
関連論文リスト
- Sen-Cap: Sensor-Flexible and Noise-Resilient Human Motion Capture via LiDAR-Camera Integration [50.18488308004802]
Sen-Capは、LiDARとカメラのマルチモーダルデータを統合した3Dモーションキャプチャフレームワークである。
Sen-CapはHuman-M3とFreeMotionの主要なメトリクスで最先端のパフォーマンスを達成する。
この柔軟性と堅牢性の組み合わせは、現実のシナリオにおけるモーションキャプチャの新しい機会を開放する。
論文 参考訳（メタデータ） (2026-08-03T14:16:18Z) - Online Learning of Robust Legged Odometry with Minimal Exteroceptive Supervision [7.541859903866144]
工業的にパッケージされた外部受動的センサーは正確なモーショントラッキングを提供することができるが、知覚的に劣化した状況に弱いままである。
プラグアンドプレイで頑健な脚型オドメトリーシステムを開発し,外受容・プロプリセプティブ・キャリブレーションやシステムキネマティック・モデリングの必要性を排除した。
プラットフォームに依存しない、容易にデプロイ可能なアプローチを、異なる4つのプラットフォームに示す。
論文 参考訳（メタデータ） (2026-06-19T18:20:55Z) - Reinforcement learning in linear embedding space unlocks generalizable control across soft robot configurations [60.42735420750131]
タコや象のトランクのような軟体生物は、顕著な形態的適応性を示す。
近年、様々なソフトロボットが登場し、様々な素材、硬さ、特定のタスクに合わせた形態を特徴としている。
本稿では,多様なソフトロボット構成にまたがる迅速な適応を可能にする汎用制御システムを提案する。
論文 参考訳（メタデータ） (2026-06-06T11:09:46Z) - Learn Weightlessness: Imitate Non-Self-Stabilizing Motions on Humanoid Robot [56.377161933570335]
人間は自然に非自己安定化(NSS)運動中に「無重力」状態を利用する。
この生物学的メカニズムに着想を得て,データセットのアノテーションに対する無重力自動ラベル方式を提案する。
我々の研究は、正確な軌道追跡と適応的な環境相互作用のギャップを埋め、接触リッチなヒューマノイド制御のための生物学的にインスパイアされたソリューションを提供する。
論文 参考訳（メタデータ） (2026-04-23T07:10:05Z) - An Intelligent Robotic and Bio-Digestor Framework for Smart Waste Management [3.289878169836672]
本稿では, ロボット廃棄物分離モジュールと最適化バイオダイジェクターを組み合わせた総合廃棄物管理フレームワークの設計と評価を行う。
このロボット廃棄物分離システムは、MyCobot 280 Jetson NanoのロボットアームとYOLOv8のオブジェクト検出とロボットオペレーティングシステム(ROS)ベースの経路を使って、廃棄物をリアルタイムで識別し、選別する。
バイオダイジェクターシステムは、温度、pH、圧力、1分あたりの運動回転など、重要なパラメータを監視する複数のセンサーを備えている。
論文 参考訳（メタデータ） (2026-04-16T11:19:36Z) - Adaptive SINDy: Residual Force System Identification Based UAV Disturbance Rejection [1.9182058480922208]
本稿では,適応制御とデータ駆動型システム識別の新たな統合手法を提案する。
我々はガゼボ高調波環境と4方向から最大2m/sの風速で実飛行を行った。
論文 参考訳（メタデータ） (2026-03-09T19:26:13Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Data Sensor Fusion In Digital Twin Technology For Enhanced Capabilities In A Home Environment [0.0]
本稿では,デジタルツイン技術におけるデータセンサの融合によるホーム環境機能の強化について検討する。
この研究は、サイバー物理システム、IoT、AI、ロボティクスを統合して、デジタル双生児の能力を強化している。
論文 参考訳（メタデータ） (2025-02-13T01:14:30Z) - AgentAlign: Misalignment-Adapted Multi-Agent Perception for Resilient Inter-Agent Sensor Correlations [8.916036880001734]
既存の研究は、マルチエージェント設定における脆弱なマルチセンサ相関を概観している。
AgentAlignは、現実世界の異種エージェントのクロスモダリティ機能アライメントフレームワークである。
多様な環境条件下での現実的なセンサの欠陥をシミュレートする新しいV2XSet-noiseデータセットを提案する。
論文 参考訳（メタデータ） (2024-12-09T01:51:18Z) - DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳（メタデータ） (2023-10-03T10:10:42Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z)
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。