論文の概要: Comparing Trajectories from Positions Alone: Curvature-Based Time Alignment and Drift Error Metric
- arxiv url: http://arxiv.org/abs/2609.14936v1
- Date: Mon, 14 Sep 2026 02:30:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.034914
- Title: Comparing Trajectories from Positions Alone: Curvature-Based Time Alignment and Drift Error Metric
- Title（参考訳）: 単位置からの軌道の比較:曲率に基づく時間アライメントとドリフト誤差メトリック
- Abstract要約: フィールドロボティクスでは、評価された推定値よりも精度の高い独立した大規模参照軌道を取得することは、未解決の課題である。
ドメインは絶対軌道誤差(ATE)と相対極誤差(RPE)に広く依存している
本稿では,標準化された信頼性評価のための軌道評価プロトコルを提案する。
- 参考スコア（独自算出の注目度）: 9.234595526156854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In field robotics, acquiring independent large-scale reference trajectories more accurate than the evaluated estimates remains an open challenge. The domain is widely reliant on Absolute Trajectory Error (ATE) and Relative Pose Error (RPE), computed with automated tools, that rest on assumptions and evaluation parameters rarely made explicit. When unreported, the errors can be misleading and hinder fair comparisons. This paper introduces a trajectory-evaluation protocol for standardized and reliable accuracy assessment in state estimation, localization, and Simultaneous Localization And Mapping (SLAM). The approach combines a novel temporal alignment method based on curvature signals with an error metric normalized by travelled distance. We explicitly account for temporal synchronization, sampling alignment, and extrinsic calibration, quantifying their influence through a sensitivity analysis. The proposed protocol contributes to more rigorous, reproducible, and standardized trajectory evaluation.
- Abstract（参考訳）: フィールドロボティクスでは、評価された推定値よりも精度の高い独立した大規模参照軌道を取得することは、未解決の課題である。
ドメインはAbsolute Trajectory Error (ATE) とRelative Pose Error (RPE) に大きく依存している。
報告されていない場合、エラーは誤解を招き、公正な比較を妨げる可能性がある。
本稿では、状態推定・局所化・同時局所化・マッピング(SLAM)における精度の標準化・信頼性評価のための軌道評価プロトコルを提案する。
この手法は、曲率信号に基づく新しい時間的アライメント法と、旅行距離によって正規化された誤差計量を組み合わせたものである。
我々は、時間同期、サンプリングアライメント、外在的キャリブレーションを明示的に説明し、感度分析によりその影響を定量化する。
提案プロトコルは、より厳密で再現性があり、標準化された軌道評価に寄与する。
関連論文リスト
- Uncertainty-Aware Trajectory Forecasting from Imperfect Tracking [4.062766215055394]
本稿では,予測器に伝達する情報信号として,追従型信頼性キューを取り扱う。
本稿では,各観測状態を不確実な状態表現として符号化するプラグイン不確実性認識型定式化を提案する。
実際のトラッカー出力を用いたオックスフォード・タウンセンターとVIRATの実験は、補完的なETH/UCY擬似検出プロトコルとともに、提案法により、確率的予測の変位精度と信頼性のトレードオフが向上することを示した。
論文 参考訳（メタデータ） (2026-08-31T14:50:38Z) - ARC: Adaptive Robust Joint State and Covariance Estimation [42.045109659898465]
センサの測定は、外れ値と非ガウスノイズによって頻繁に破壊される。
センサデータのこれらの不完全性は、古典的状態推定器がバイアス付きで信頼性の低い状態と不確実性の推定を発生させる可能性がある。
本稿では,標準対応型適応ロバスト損失と反復重み付けされたLast-Squares状態更新を組み合わせたBlock-Coordinate Descentフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-18T16:09:50Z) - Tailoring Strictly Proper Scoring Rules for Downstream Tasks: An Application to Causal Inference [48.78219918881965]
本稿では,ダウンストリーム誤差メトリックの局所曲率をマッチングすることにより,タスク固有の厳密なスコアリングルールを導出するフレームワークを提案する。
これを平均処理効果 (ATE) 推定に適用し, 閉形式損失と対応する正準確率写像を導出する。
論文 参考訳（メタデータ） (2026-06-02T08:41:25Z) - FUSE: A Framework for Unified State Estimation in Vehicular and Robotic SLAM Systems [28.52219500722156]
FUSEは、車両およびロボットSLAMシステムにおける統一状態推定のためのフレームワークである。
LiDAR-IMUのインスタンス化は、混合レートセンシングおよび方向性縮退下でのフレームワークを調べるために開発された。
論文 参考訳（メタデータ） (2026-05-18T08:36:04Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - RareCP: Regime-Aware Retrieval for Efficient Conformal Prediction [11.259098206661077]
本稿では適応型コンフォーマル時系列予測のためのレギュレーション対応検索手法であるRareCPを紹介する。
RareCPはコサイン・アテンションの専門家の混合を通して局所的なキャリブレーション表現を学習する。
符号付き残基上に重み付き共形量子が形成され、非対称な予測間隔が生じる。
論文 参考訳（メタデータ） (2026-05-09T10:12:07Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - Towards Robust LiDAR Localization: Deep Learning-based Uncertainty Estimation [1.9268905951820923]
反復クローズトポイント(ICP)は、特徴のない環境や動的なシーンでエラーを起こしやすいため、不正確なポーズ推定につながる。
本稿では、深層学習を利用したデータ駆動型フレームワークを提案し、マッチング前にICPの登録誤差共分散を推定する。
本手法はカルマンフィルタにおけるICPのシームレスな統合を可能にし,局所化精度とロバスト性を向上させる。
論文 参考訳（メタデータ） (2025-09-23T13:02:44Z) - Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。
本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-18T21:14:07Z) - Geometry-Aware Instrumental Variable Regression [56.16884466478886]
本稿では,データ導出情報によるデータ多様体の幾何を考慮した移動型IV推定器を提案する。
本手法のプラグイン・アンド・プレイ実装は,標準設定で関連する推定器と同等に動作する。
論文 参考訳（メタデータ） (2024-05-19T17:49:33Z) - Robustness and Accuracy Could Be Reconcilable by (Proper) Definition [109.62614226793833]
強靭性と精度のトレードオフは、敵文学において広く研究されている。
局所的不変性の帰納的バイアスを課す不適切に定義された頑健な誤差に由来する可能性がある。
定義上、SCOREは、最悪のケースの不確実性に対処しながら、堅牢性と正確性の間の和解を促進する。
論文 参考訳（メタデータ） (2022-02-21T10:36:09Z)
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。