論文の概要: SeA-RVINS: Semantic-Aware Tightly Coupled RTK-Visual-Inertial System with Correlation-Preserving Robust Estimation for Urban Navigation
- arxiv url: http://arxiv.org/abs/2609.30814v1
- Date: Fri, 25 Sep 2026 04:49:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.231638
- Title: SeA-RVINS: Semantic-Aware Tightly Coupled RTK-Visual-Inertial System with Correlation-Preserving Robust Estimation for Urban Navigation
- Title（参考訳）: SeA-RVINS:都市ナビゲーションのための相関保存ロバスト推定を用いた感性認識型RTK-Visual-Inertial System
- Abstract要約: 本稿では,ロバストな都市ポーズ推定のための視覚慣性システムであるSeA-RVINSを提案する。
意味学習ステレオは、永続的なランドマークがグラフに入る前に、信頼できないトラックを拒否する。
本稿では,連続性を検証した短い弧上で1つのあいまい性状態を共有するハイブリッドあいまい性継続戦略を提案する。
- 参考スコア（独自算出の注目度）: 4.90697138515635
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable absolute pose estimation in urban environments is undermined by outlier measurements and incorrect temporal associations that can persist in tightly coupled estimators. Global Navigation Satellite System (GNSS) observations provide globally referenced measurements but are prone to multipath effects. Visual-inertial sensing supplies local motion constraints, but false visual associations can corrupt the estimator. We present SeA-RVINS, a fixed-lag factor-graph Real-Time Kinematic (RTK) visual-inertial system for robust urban pose estimation. A semantic-aware learned stereo frontend rejects unreliable tracks before persistent landmarks enter the graph. For double-differenced GNSS measurements, SeA-RVINS applies Dynamic Covariance Scaling through configurable batch, scalar, and latent-pivot robust formulations while retaining the shared-pivot correlation structure. We propose a hybrid ambiguity-continuation strategy that shares one ambiguity state over short arcs with verified continuity and softly links successive arcs through random-walk factors. On an approximately 20-km route from the public TEX-CUP dataset, including about 50\% deep-urban driving, the latent-pivot configuration achieves 100\% availability and a 1.6-m maximum horizontal error, with 96.16\% and 99.90\% of epochs below 1.0 and 1.5 m, respectively. The implementation is released as open-source software
- Abstract（参考訳）: 都市環境における信頼性の高い絶対的なポーズ推定は、密結合した推定器に持続する不正確な時間的関連性の測定によって損なわれている。
グローバル・ナビゲーション・サテライト・システム(GNSS: Global Navigation Satellite System)は、グローバルに参照される計測結果を提供するが、マルチパス効果の傾向にある。
視覚慣性感覚は局所的な動きの制約を提供するが、偽の視覚的関連は推定器を破損させる可能性がある。
本報告では, 都市空間のロバストなポーズ推定のための固定遅延係数グラフReal-Time Kinematic (RTK) ビジュアル慣性システムであるSeA-RVINSを提案する。
セマンティックな学習されたステレオフロントエンドは、永続的なランドマークがグラフに入る前に、信頼できないトラックを拒否する。
二重差分GNSS測定では、SeA-RVINSは、共有ピボット相関構造を維持しながら、構成可能なバッチ、スカラー、潜在ピボットロバストな定式化を通じて動的共分散スケーリングを適用する。
本稿では,連続性を検証した短い弧上で1つのあいまい状態を共有し,ランダムウォーク因子を介して連続弧をソフトリンクするハイブリッド曖昧性継続戦略を提案する。
公共TEX-CUPデータセットから約20kmのルートで、約50\%のディープアーバン駆動を含むラテントピボット構成は、それぞれ1.0と1.5m以下のエポックの96.16\%と99.90\%の最大水平誤差で、100\%の可用性と1.6mの最大水平誤差を達成する。
この実装はオープンソースソフトウェアとしてリリースされている
関連論文リスト
- Cross-View Sequential Visual Localization with Spatio-Temporal Context Modeling for Autonomous Driving [6.234507553234407]
地上画像と衛星地図とを視認する。
既存のクロスビュー視覚的ローカライゼーション手法は、各フレームを独立して処理する。
本研究では,クロスビュー・シーケンス・ビジュアル・ローカライゼーションのための時間コンテキスト拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T08:44:42Z) - Rigid-Covert GNSS Spoofing of UAV Swarms: A Structural Blind Spot, Its Detection Limit, and Absolute-Anchor Defenses [0.0]
協力的なUAV-s防衛は、通常、測定されたドローン間幾何学に対する位置を横断的にチェックする。
共通でゆっくりと変化する変換(剛体被覆シフト、RigidShift)は、全ての対距離を保ち、従って、相対ウォームのみの検出器では観測できない。
本研究では,流体間距離からSwarm形状を再構築する集中型アンカールート回収パイプラインを提案する。
論文 参考訳（メタデータ） (2026-08-07T07:15:55Z) - Using Lower-Bound Representations for Trajectory Similarity Learning [17.84474521141356]
軌道類似性学習は、複雑な距離測定の下での効率的な軌道探索の基礎となる。
深部神経埋め込みに依存しない統一下界表現フレームワークであるLB-TrajRepを提案する。
論文 参考訳（メタデータ） (2026-08-02T06:53:49Z) - RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - A Distributed Multi-UGV Exploration Framework With Loop-Aware Planning and Descriptor-Aided Localization in Resource-Limited Environments [13.456466206579782]
本稿では,UGV間ループ閉鎖とループ対応階層計画を結合した完全分散探索フレームワークを提案する。
我々は,高機能なUGV位置認識を実現するために,レンジイメージをプリアライメントした軽量なLiDARグローバルディスクリプタを開発した。
また,不確実性を考慮したクロスUGVループ閉鎖選択モジュールを導入する。
論文 参考訳（メタデータ） (2026-06-09T16:48:53Z) - CoWTracker: Tracking by Warping instead of Correlation [53.834673070954494]
ワープに有利なコストを削減できる高密度な点トラッカーを提案する。
近年の光学的流れの進展に触発されて,本手法では,現在の推定値に基づいて,対象フレームからクエリフレームへ特徴を変換することで,トラック推定を反復的に洗練する。
我々のモデルは,TAP-Vid-DAVIS,TAP-Vid-Kinetics,Robo-TAPなど,標準的な高密度点追跡ベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2026-02-04T18:58:59Z) - MobileGeo: Exploring Hierarchical Knowledge Distillation for Resource-Efficient Cross-view Drone Geo-Localization [47.16612614191333]
クロスビューなジオローカライゼーションにより、航空画像とジオタグ付き衛星データベースとのマッチングによるドローンのローカライゼーションが可能になる。
MobileGeoは、デバイス上の効率的なCVGL用に設計されたモバイルフレンドリーなフレームワークである。
MobileGeoはNVIDIA AGX Orinエッジデバイス上で251.5FPSで動作する。
論文 参考訳（メタデータ） (2025-10-26T08:47:20Z) - KEPT: Knowledge-Enhanced Prediction of Trajectories from Consecutive Driving Frames with Vision-Language Models [19.625631486595505]
本稿では,知識に富んだ視覚言語フレームワークであるKEPTを紹介する。
連続するフロントビュー駆動フレームから直接エゴ軌道を予測する。
オープンループプロトコル間の最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-09-03T03:10:42Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価
余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。
本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
論文 参考訳（メタデータ） (2023-05-10T16:27:55Z)
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。