論文の概要: Range-Aided SLAM Initialization Exploiting Accurate Heading Information
- arxiv url: http://arxiv.org/abs/2609.24846v1
- Date: Mon, 21 Sep 2026 16:24:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 15:21:25.591573
- Title: Range-Aided SLAM Initialization Exploiting Accurate Heading Information
- Title（参考訳）: 正確な見出し情報を出力する範囲支援SLAM初期化
- Abstract要約: 本稿では,高度に正確な方向情報を用いてレンジトランスポンダとロボットの位置を推定する手法を提案する。
まず、一般化された信頼領域サブプロブレム(GTRS)を用いて、非線形範囲の測定により、AUVに対するトランスポンダの位置を解く。
第2に、線形最小二乗問題を解くことにより、トランスポンダとAUVの位置を推定するために、相対トランスポンダ位置と既知のAUVの向きを用いる。
- 参考スコア（独自算出の注目度）: 4.970277730082773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel initialization method for range-aided simultaneous localization and mapping (RA-SLAM). The general SLAM problem has a well-known separable structure where landmark and robot positions can be solved for in a linear fashion given known robot headings. This paper considers the case where highly accurate heading information is available, which is typical of autonomous underwater vehicle (AUV) navigation, to solve for the range transponder and robot positions. The proposed approach consists of two steps. First, using a generalized trust region subproblem (GTRS), the positions of the transponders relative to the AUV are solved for given the nonlinear range measurements. Second, the relative transponder positions and the known heading of the AUV are used to estimate the transponder and AUV positions by solving a linear least-squares problem. These transponder and AUV position estimates, combined with the highly accurate heading information, provide a reliable initialization method for the general nonlinear RA-SLAM problem. The effectiveness of the proposed approach is tested on a real-world AUV dataset where long baseline (LBL) range measurements are provided in concert with highly accurate heading information provided by an inertial navigation system (INS).
- Abstract（参考訳）: 本稿では,RA-SLAM(Range-Aided simultaneously Localization and mapping)の新たな初期化手法を提案する。
一般のSLAM問題は、既知のロボットの進路が線形な方法でランドマークとロボットの位置を解けるような、よく知られた分離可能な構造を持つ。
本稿では,自律型水中航法(AUV)の典型である高度に正確な航法情報が得られる場合について考察し,レンジトランスポンダとロボットの位置について検討する。
提案手法は2つのステップからなる。
まず、一般化信頼領域サブプロブレム(GTRS)を用いて、非線形範囲の測定により、AUVに対するトランスポンダの位置を解く。
第2に、線形最小二乗問題を解くことにより、トランスポンダとAUVの位置を推定するために、相対トランスポンダ位置と既知のAUVの向きを用いる。
これらのトランスポンダとAUV位置推定と高精度な方向情報を組み合わせることで、一般的な非線形RA-SLAM問題に対する信頼性の高い初期化法を提供する。
提案手法の有効性を,慣性航法システム(INS)によって提供される高精度な方向情報と,LBL(Long Baseline)範囲の測定値が一致して提供される実世界のAUVデータセットで検証した。
関連論文リスト
- Local Sparsity Enables Unsupervised LLM Safety Detection [72.36186449615774]
大規模言語モデル(LLM)のデプロイ時の安全性メソッドは、主に教師付きであり、安全でないトレーニングデータへのアクセスを前提としている。
新たな攻撃や危害のカテゴリーは定期的に発生し、そのような教師付き方式で訓練されたモデルでは捕捉されない。
本稿では,理論的正当性に支えられた局所的なSAEによる異常検出のための枠組みを提案する。
論文 参考訳（メタデータ） (2026-09-17T12:23:04Z) - A Unified Neural-Aided Alignment and Calibration Method for AUVs [4.913013713982677]
AUVは正確な航法のために慣性航法システム(INS)とドップラー速度ログ(DVL)の融合に依存している。
本稿では、両ステージを補完する2つのニューラルネットワーク、アライメントのためのResAlignNetとキャリブレーションのためのDCNetに置き換える、完全なニューラルネットワークによるDVLパイプラインを提案する。
5つの異なるセンサーエラー終端の組み合わせで記録された実世界のデータを用いて、提案されたパイプラインは、モデルベースベースライン平均68.7%の速度ルート平均二乗誤差を削減した。
論文 参考訳（メタデータ） (2026-08-23T16:32:37Z) - Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。
生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。
数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
論文 参考訳（メタデータ） (2025-11-21T07:25:49Z) - A Data-Driven Method for INS/DVL Alignment [2.915868985330569]
慣性センサーとドップラー速度ログ(DVL)融合は長距離水中航法において有望な解決策である。
本稿では,アライメントプロセスのためのエンドツーエンドのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-27T10:38:37Z) - ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。
累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。
その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T02:44:27Z) - Weakly supervised covariance matrices alignment through Stiefel matrices
estimation for MEG applications [64.20396555814513]
本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。
我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。
MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
論文 参考訳（メタデータ） (2024-01-24T19:04:49Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Spectrum Surveying: Active Radio Map Estimation with Autonomous UAVs [15.452264020787593]
本稿では,無人航空機(UAV)のような移動体ロボットが,短時間で高品質な地図推定値を得るために,積極的に選択された一連の位置で測定値を収集したスペクトルサーベイを提案する。
モデルに基づくオンラインベイズ推定器とデータ駆動型深層学習アルゴリズムの2つの新しいアルゴリズムを考案し,各地点における計測の有意性を示すマップ推定と不確実性指標を更新する。
この問題の複雑さを克服するために,線形時間における大きな不確実性のある領域を通して経路点のリストを得る動的プログラミング手法を提案する。
論文 参考訳（メタデータ） (2022-01-11T18:49:42Z) - Heading Estimation Using Ultra-Wideband Received Signal Strength and
Gaussian Processes [1.6058099298620425]
本文は,UWB範囲と受信信号強度(RSS)の測定値を用いてロボットの進路を推定する方法を実験的に示す。
UWB法とジャイロスコープ法のみを用いる方向推定法を実現するために、不変拡張カルマンフィルタのジャイロスコープを用いる。
論文 参考訳（メタデータ） (2021-09-10T13:28:23Z)
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。