論文の概要: Parameter Sensitivity Analysis for Aerial LiDAR-Inertial Odometries in low-altitude flights
- arxiv url: http://arxiv.org/abs/2609.12837v1
- Date: Fri, 11 Sep 2026 13:31:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.760984
- Title: Parameter Sensitivity Analysis for Aerial LiDAR-Inertial Odometries in low-altitude flights
- Title（参考訳）: 低高度飛行における空中LiDAR慣性オドメトリーのパラメータ感度解析
- Abstract要約: LiDARベースのSLAMとLIOアルゴリズムは、無人航空機の正確な航法にしばしば使用される。
これらのアルゴリズムの性能はシナリオ,LiDAR,ロボットの動き特性に大きく依存する。
本稿では,EKF ベースの LIO アルゴリズムとグラフベースの SLAM アルゴリズムのパラメータ性能への影響を解析する。
- 参考スコア（独自算出の注目度）: 1.5102260054654921
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LiDAR-based SLAM (Simultaneous Localization and Mapping) and LIO (LiDAR-inertial odometry) algorithms are often used for precise navigation of unmanned aerial vehicles, especially during interactions with the aerial robot's environment. However, the performance of these algorithms is greatly dependent on the scenario, LiDAR, and robot motion characteristics, often requiring an intensive tuning process to achieve the desired performance. To aid these tuning efforts, this paper analyzes the influence on performance of the parameters of an EKF-based LIO algorithm (FAST-LIO2) and the LIO module of a graph-based SLAM algorithm (Cartographer) on aerial LiDAR SLAM datasets recorded using different LiDARs in low-to-moderate-altitude flights in diverse environments. The analysis is conducted on the absolute trajectory error (ATE) resulting from processing the datasets with the LIO algorithms configured with each combination of parameters obtained in an exhaustive grid search. The relationship between individual parameters and the ATE results is assessed using Pearson's correlation, while the influence of each parameter is assessed using random forest permutation importance analyses with random forest models trained to predict the resulting ATE values based on the choice of parameters. The performed analysis obtains for Cartographer and FAST-LIO2: i) the identification of parameters with stronger influence in performance, ii) a simplified tuning procedure, and iii) tuning recommendations. Using the proposed tuning recommendations, both algorithms obtain on the analyzed datasets ATE values within 5 cm to the optimal performance found in the grid search procedure in 94% of the analyzed cases.
- Abstract（参考訳）: LiDARベースのSLAM (Simultaneous Localization and Mapping) とLIO (LiDAR-inertial odometry) アルゴリズムは、特に航空ロボットの環境との相互作用において、無人航空機の正確な航法にしばしば使用される。
しかし、これらのアルゴリズムの性能はシナリオ、LiDAR、ロボットの動き特性に大きく依存しており、しばしば所望のパフォーマンスを達成するために集中的なチューニングプロセスを必要とする。
これらのチューニング作業を支援するために,EKF ベースの LIO アルゴリズム (FAST-LIO2) とグラフベースの SLAM アルゴリズム (Cartographer) の LIO モジュールのパラメータが,様々な環境における低高度飛行における異なる LiDAR を用いて記録された LDAR SLAM データセットに与える影響を解析した。
この分析は、網羅的グリッド探索で得られたパラメータの組み合わせごとに設定されたLOOアルゴリズムを用いてデータセットを処理した絶対軌道誤差(ATE)に基づいて行われる。
個別のパラメータとATE結果の関係をピアソンの相関式を用いて評価し、各パラメータの影響をランダムな森林変動重大度分析を用いて評価し、パラメータの選択に基づいて結果のATE値を予測することを訓練したランダムな森林モデルを用いて評価する。
Cartographer および FAST-LIO2 のための解析結果。
一 性能に強い影響のあるパラメータの識別
二 簡易な調律手順及び
三 勧告の調整
提案したチューニングレコメンデーションを用いて,解析されたデータセット ATE 値を5cm以内で取得し,解析されたケースの94%でグリッド探索手順で得られた最適な性能を示す。
関連論文リスト
- Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation [0.0]
提案するフレームワークはロボット非依存であり,ガゼボを用いたシミュレーションにおいて,Unitree Go2の4倍の精度で評価されている。
完全なシステムは、デプロイ時に最大90.0%のナビゲーション成功率を達成するとともに、シミュレーション環境全体の評価指標を平均38.9%改善する。
論文 参考訳（メタデータ） (2026-06-08T16:08:09Z) - Depth Completion as Parameter-Efficient Test-Time Adaptation [66.72360181325877]
CAPAはパラメータ効率のよいテスト時間最適化フレームワークであり、深度補完のために事前訓練された3D基礎モデル(FM)を適用する。
ビデオの場合、CAPAはシーケンスレベルのパラメータ共有を導入し、時間的相関を利用して、堅牢性を改善し、複数フレームの一貫性を強制するために、すべてのフレームを共同で適用する。
論文 参考訳（メタデータ） (2026-02-16T13:53:23Z) - Genetic Algorithms For Parameter Optimization for Disparity Map Generation of Radiata Pine Branch Images [5.266753902938501]
UAVアプリケーションのための遺伝的アルゴリズム(GA)に基づくパラメータ最適化フレームワークを提案する。
コントリビューションには,(1)手動チューニングを排除した新しいGAベースのパラメータ最適化フレームワーク,(2)複数の画像品質指標を用いた総合評価手法,(3)資源制約付きUAVシステムのための実用的なソリューションなどが含まれている。
実験の結果,GA最適化手法により平均正方形誤差が42.86%減少し,ピーク信号対雑音比が8.47%,構造類似度が28.52%増加した。
論文 参考訳（メタデータ） (2025-12-05T04:00:18Z) - Low-Rank Representations Meets Deep Unfolding: A Generalized and
Interpretable Network for Hyperspectral Anomaly Detection [41.50904949744355]
現在のハイパースペクトル異常検出(HAD)ベンチマークデータセットは、低解像度、単純なバックグラウンド、検出データの小さなサイズに悩まされている。
これらの要因は、ロバスト性の観点からよく知られた低ランク表現(LRR)モデルの性能も制限する。
我々は、複雑なシナリオにおけるHADアルゴリズムの堅牢性を改善するために、新しいHADベンチマークデータセットであるAIR-HADを構築した。
論文 参考訳（メタデータ） (2024-02-23T14:15:58Z) - A new framework for calibrating COVID-19 SEIR models with spatial-/time-varying coefficients using genetic and sliding window algorithms [5.033966447393941]
サセプティブル感染除去モデル(SEIR)は、非薬剤的介入(NPI)がCOVID-19の流行の地域的および時間的分布に与える影響をモデル化するために、空間的・時間的に異なる係数を仮定する。
SEIRモデルの空間/時間変化パラメータを最適化するための新しい校正フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-13T15:27:30Z) - Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。
最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。
本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
論文 参考訳（メタデータ） (2023-07-13T08:35:40Z) - Performance Embeddings: A Similarity-based Approach to Automatic
Performance Optimization [71.69092462147292]
パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。
本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
論文 参考訳（メタデータ） (2023-03-14T15:51:35Z) - Support Vector Machine for Determining Euler Angles in an Inertial
Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。
提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文 参考訳（メタデータ） (2022-12-07T10:01:11Z) - Sparse high-dimensional linear regression with a partitioned empirical
Bayes ECM algorithm [62.997667081978825]
疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。
パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。
提案手法はRパッケージプローブに実装されている。
論文 参考訳（メタデータ） (2022-09-16T19:15:50Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - AUTOMATA: Gradient Based Data Subset Selection for Compute-Efficient
Hyper-parameter Tuning [72.54359545547904]
ハイパーパラメータチューニングのための勾配に基づくサブセット選択フレームワークを提案する。
ハイパーパラメータチューニングに勾配ベースのデータサブセットを用いることで、3$times$-30$times$のターンアラウンド時間とスピードアップが大幅に向上することを示す。
論文 参考訳（メタデータ） (2022-03-15T19:25:01Z) - Online Parameter Estimation for Safety-Critical Systems with Gaussian
Processes [6.122161391301866]
オンラインパラメータ推定のためのガウス過程(GP)に基づくベイズ最適化フレームワークを提案する。
パラメータ空間の応答面上の効率的な探索戦略を用いて、最小限の機能評価で大域最適解を求める。
我々は,パラメータの変化を考慮したシミュレーションにおいて,アクティベートされた平面振子と安全臨界振子について実演する。
論文 参考訳（メタデータ） (2020-02-18T20:38:00Z)
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。