論文の概要: DRT&R: Direct Radar Teach & Repeat

• arxiv url: http://arxiv.org/abs/2609.17766v1
• Date: Tue, 15 Sep 2026 19:13:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.513321
• Title: DRT&R: Direct Radar Teach & Repeat
• Title（参考訳）: DRT&R: Direct Radar Teach & Repeat
• Abstract要約: 本稿では,直接回転型レーダーによるナビゲーションスタックであるDirect Radar Teach & Repeat (DRT&R)を紹介する。 DRT&Rは、オンロード環境とオフロード環境の両方において、最先端(SOTA)ローカライゼーション性能を得る。 これは、Clearpath Warthogオフロード車両を用いて、10km以上のMPCコントローラで、クローズドループで自律的に評価される。
• 参考スコア（独自算出の注目度）: 49.657666997508706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radar-based navigation is appealing for its robustness to adverse conditions involving airborne particles, such as precipitation, dust, fog, and smoke, that can cause lidar-based systems to fail. Recently, direct methods that retain and use the entire radar scan rather than sparse points have improved on-road global localization performance. However, they have yet to be deployed in off-road environments or in closed-loop systems. Additionally, even direct global maps may lose information: their global nature leads to a smoothing out of viewpoint-dependent radar artifacts, which can provide pose information when mapping and localization occur along similar trajectories. This paper introduces Direct Radar Teach & Repeat (DRT&R): a direct spinning radar-based navigation stack that maximizes the amount of retained information by combining direct radar processing with local mapping. DRT&R yields state-of-the-art (SOTA) localization performance in both on-road and off-road environments. Using 344 km of on-road data and 20 km of off-road data, DRT&R is able to localize to within 4 cm in most on-road and off-road conditions, and 12 cm in geometrically degenerate and sparse environments. DRT&R is also evaluated autonomously in closed loop with an MPC controller for more than 10 km using a Clearpath Warthog off-road vehicle, demonstrating that it runs in real time and achieves SOTA tracking performance for off-road radar navigation.
• Abstract（参考訳）: レーダーをベースとした航法は、降水、塵、霧、煙といった大気中の粒子が、ライダーベースのシステムに障害を引き起こすような有害な状況に、頑丈さを訴えている。 近年,道路上のグローバルローカライゼーション性能が向上し,スパークポイントよりもレーダスキャン全体を維持・使用する直接手法が注目されている。 しかし、それらはまだオフロード環境やクローズドループシステムにデプロイされていない。 さらに、直接的なグローバルマップでさえ情報を失う可能性がある。そのグローバルな性質は、視点に依存したレーダーアーティファクトの滑らか化につながる。 本稿では、ダイレクトレーダ処理とローカルマッピングを組み合わせることで、保持情報を最大化するダイレクト回転レーダベースのナビゲーションスタックであるDirect Radar Teach & Repeat(DRT&R)を紹介する。 DRT&Rは、オンロード環境とオフロード環境の両方において、最先端(SOTA)ローカライゼーション性能を得る。 344kmのオンロードデータと20kmのオフロードデータを用いて、DRT&Rは、ほとんどのオンロードおよびオフロード条件において4cm以内のローカライズが可能であり、幾何学的に退縮し、疎らな環境では12cmにできる。 また、DRT&RはClearpath Warthogのオフロード車両を用いて10km以上のMPCコントローラを用いて、クローズドループで自律的に評価され、オフロードレーダーナビゲーションのためのSOTA追跡性能をリアルタイムで実現している。

関連論文リスト

• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• RoadRunner -- Learning Traversability Estimation for Autonomous Off-road Driving [13.101416329887755]
  我々は、カメラとLiDARセンサーの入力から直接地形変動を予測できるフレームワークであるRoadRunnerと、標高マップを提示する。 RoadRunnerは、センサ情報、不確実性の処理、コンテキスト情報による予測の生成を融合させることで、信頼性の高い自律ナビゲーションを可能にする。 我々は,非構造砂漠環境を通した複数の現実の運転シナリオにおいて,安全かつ信頼性の高いオフロードナビゲーションを実現する上で,ロードランナーの有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-29T16:47:54Z)
• Pointing the Way: Refining Radar-Lidar Localization Using Learned ICP Weights [10.613476233222347]
  高レベルスキャン情報に基づいてレーダポイントを重み付けする学習前処理ステップを含むICPベースのレーダライダーローカライゼーションを構築した。 重み付けネットワークをトレーニングするために,新しい,スタンドアローンでオープンソースの差別化可能なICPライブラリを提案する。
  論文  参考訳（メタデータ） (2023-09-15T19:37:58Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
  本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。 ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
  論文  参考訳（メタデータ） (2022-09-29T01:30:34Z)

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。