論文の概要: Elevator-VIGS: Separating Elevator Motion from Robot Motion in Visual-Inertial Gaussian Splatting SLAM

• arxiv url: http://arxiv.org/abs/2609.23491v1
• Date: Sun, 20 Sep 2026 09:26:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:38:01.15187
• Title: Elevator-VIGS: Separating Elevator Motion from Robot Motion in Visual-Inertial Gaussian Splatting SLAM
• Title（参考訳）: Elevator-VIGS:視覚-慣性ガウス平滑化SLAMにおけるロボット運動からのエレベータ運動の分離
• Abstract要約: Elevator-VIGSは3Dガウス・スプレイティングSLAMシステムで、エレベーターの乗り込みをトラッキングし、マッピングする。 カメラはエレベーターに対するロボットの動きのみを捉え、IMUはその動きと世界に対するエレベーターの動きを感知する。 本研究では,エレベータの座標フレームにおけるロボットのポーズと,世界に対するエレベータの動きをキーフレーム当たりの移動状態として推定する。
• 参考スコア（独自算出の注目度）: 48.76739881178275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Elevator-VIGS, a visual-inertial 3D Gaussian Splatting SLAM system that keeps tracking and mapping through elevator rides. Inside a moving elevator, the two sensors are in conflict. The camera sees only the robot's motion relative to the elevator, while the IMU senses that motion plus the elevator's motion relative to the world. This conflict is challenging for existing visual-inertial estimators. If vision dominates, the estimator tracks only the robot's motion within the elevator and misses the elevator's rise, and if the conflict remains, the estimator diverges. We observe that the conflict comes from forcing both observations into a single coordinate frame. We instead estimate the robot's pose in the elevator's coordinate frame, and the elevator's motion relative to the world as a per-keyframe transport state, the elevator's rise and vertical velocity, within dense visual-inertial bundle adjustment. Elevator-VIGS detects rides zero-shot with a vision-language model and a depth network, and constrains the transport state at the departure and the arrival. We record real-world and simulated elevator sequences. On these sequences, Elevator-VIGS achieves state-of-the-art tracking and rendering performance. On four elevator-free public benchmarks it keeps the state-of-the-art performance of VIGS-SLAM. Project page: https://ruizhou-cn.github.io/elevator-vigs/.
• Abstract（参考訳）: Elevator-VIGSは3Dガウス・スプレイティングSLAMシステムで、エレベーターの乗り込みをトラッキングし、マッピングする。 動くエレベーターの中では、2つのセンサーが衝突しています。 カメラはエレベーターに対するロボットの動きのみを捉え、IMUはその動きと世界に対するエレベーターの動きを感知する。 この衝突は、既存の視覚-慣性推定器にとって困難である。 視覚が支配的になると、推定器はエレベーター内のロボットの動きのみを追跡し、エレベーターの上昇を見逃し、衝突が残ると推定器は分岐する。 コンフリクトは、両方の観察を単一の座標フレームに強制することに由来する。 そこで我々は,エレベータの座標フレームにおけるロボットのポーズと,エレベータの動きを,高密度視覚・慣性バンドル調整において,キーフレームあたりの移動状態,エレベータの上昇と垂直速度として推定する。 Elevator-VIGSは、視覚言語モデルと深度ネットワークでゼロショットを検知し、出発時と到着時の輸送状態を制約する。 実世界とシミュレートされたエレベータシーケンスを記録します。 これらのシーケンスに基づいて、Elevator-VIGSは最先端のトラッキングとレンダリング性能を達成する。 4つのエレベーターのない公開ベンチマークでは、VIGS-SLAMの最先端性能を維持している。 プロジェクトページ:https://ruizhou-cn.github.io/elevator-vigs/。

関連論文リスト

• Elevator-LIO: Robust LiDAR-Inertial Odometry for Multi-Floor Navigation under Elevator-Induced Non-Inertial Motion [19.365290086851722]
  本稿では,エレベーター走行中におけるロボットの継続的な位置決めを実現するためのLiDAR慣性オドメトリーフレームワークを提案する。 我々は,大規模な空間,長い垂直移動,動的歩行者干渉,ミラー反射などの現実的な課題を含む,79台のエレベーターを含む20個の実世界シーケンスの実験を行った。 その結果,Elevator-LIOは全シーケンスで連続的な局所化精度を維持しており,終端高さの誤差は17列で1cm以下であった。
  論文  参考訳（メタデータ） (2026-05-23T10:04:54Z)
• GaussGym: An open-source real-to-sim framework for learning locomotion from pixels [78.05453137978132]
  本稿では,3次元ガウススプラッティングをベクトル化物理シミュレータのドロップインとして統合した光現実的ロボットシミュレーションを提案する。 これにより、コンシューマGPUで毎秒10万ステップを超える、前例のないスピードを実現している。 また,シミュレーティブ・トゥ・リアル・ロボティクス・セッティングにおける適用性を実証した。
  論文  参考訳（メタデータ） (2025-10-17T06:34:52Z)
• Sitcom-Crafter: A Plot-Driven Human Motion Generation System in 3D Scenes [90.39860012099393]
  Sitcom-Crafterは3D空間における人間のモーション生成システムである。 機能生成モジュールの中心は、我々の新しい3Dシーン対応ヒューマン・ヒューマン・インタラクションモジュールである。 拡張モジュールは、コマンド生成のためのプロット理解、異なるモーションタイプのシームレスな統合のためのモーション同期を含む。
  論文  参考訳（メタデータ） (2024-10-14T17:56:19Z)
• World-Grounded Human Motion Recovery via Gravity-View Coordinates [60.618543026949226]
  本研究では,新しい重力-視座標系における人間のポーズ推定手法を提案する。 提案したGVシステムは、ビデオフレーム毎に自然に重力に整合し、一意に定義されている。 提案手法は,カメラ空間と地上設定の両方でよりリアルな動きを再現し,精度と速度の両方で最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-09-10T17:25:47Z)
• Elevator, Escalator, or Neither? Classifying Conveyor State Using Smartphone under Arbitrary Pedestrian Behavior [12.796931853596902]
  歩行者のコンベア状態を知ることは、屋内ナビゲーションや人流管理など多くの応用に欠かせない。 スマートフォンの慣性ナビゲーションシステム(INS)を用いて,任意の歩行者行動下での分類問題について検討した。 エレベータやエスカレーター,あるいはその両方に携帯電話のINSを使って歩行者を分類する,斬新で軽量なディープラーニング手法であるELESONを提案する。
  論文  参考訳（メタデータ） (2024-05-06T07:27:30Z)
• USTC FLICAR: A Sensors Fusion Dataset of LiDAR-Inertial-Camera for Heavy-duty Autonomous Aerial Work Robots [13.089952067224138]
  本稿では,同時ローカライゼーションとマッピングの開発を目的としたUSTC FLICARデータセットを提案する。 提案したデータセットは、典型的な自律走行センシングスイートを空中シーンに拡張する。 Segment Anything Model (SAM)に基づいて,セマンティックFLICARデータセットを生成し,セマンティックセマンティックなセマンティックセマンティックアノテーションを提供する。
  論文  参考訳（メタデータ） (2023-04-04T17:45:06Z)
• Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
  我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。 車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。 また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
  論文  参考訳（メタデータ） (2021-12-03T18:59:59Z)
• The ThreeDWorld Transport Challenge: A Visually Guided Task-and-Motion Planning Benchmark for Physically Realistic Embodied AI [96.86091264553613]
  3Dワールドトランスポートチャレンジと呼ばれる視覚誘導と物理駆動のタスク・アンド・モーション計画ベンチマークを紹介します。 この課題では、シミュレーションされた実家環境において、2つの9-DOF関節アームを備えたエンボディエージェントをランダムに生成する。 エージェントは、家の周りに散在するオブジェクトの小さなセットを見つけ、それらをピックアップし、望ましい最終的な場所に輸送する必要があります。
  論文  参考訳（メタデータ） (2021-03-25T17:59:08Z)

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。