論文の概要: BatSLAM 2.0: Sequence-Verified Sonar Place Recognition in a Robust Pose Graph

• arxiv url: http://arxiv.org/abs/2609.40085v1
• Date: Wed, 30 Sep 2026 16:29:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.067474
• Title: BatSLAM 2.0: Sequence-Verified Sonar Place Recognition in a Robust Pose Graph
• Title（参考訳）: BatSLAM 2.0:ロバスト詩グラフにおける逐次検証ソナー位置認識
• Abstract要約: 10年前、BatSLAMはバイオミメティックソナーを持つロボットが環境のトポロジカルマップを作ることができることを示した。 本稿では,3つの要素から構築されたソナーのみのSLAMシステムであるBatSLAM 2.0を紹介する。
• 参考スコア（独自算出の注目度）: 1.1951340882332946
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Echolocating bats can navigate dark and cluttered spaces using echolocation. Over a decade ago, BatSLAM showed that a robot with a biomimetic binaural sonar can build a topological map of the environment, by recognizing places from the received acoustic signals. Sonar place recognition, however, is ambiguous by nature: corridors produce nearly identical echo trains, and wrong loop closure can collapse the topological map. In this paper, we introduce BatSLAM 2.0, a novel sonar-only SLAM system built from three elements: an updated acoustic front-end, a sequence verifier that tracks and verifies loop closure candidates and a pose graph implemented on a high performance factor graph framework. The system was thoroughly evaluated both in simulated as well as real world recordings. In both cases, the BatSLAM2.0 algorithm shows the capability of robust topological map creation, countering map collapse, and robust scaling of map size.
• Abstract（参考訳）: エコーロケーションバットは、エコーロケーションを使用して暗く散らばった空間を移動することができる。 10年以上前、BatSLAMは、バイオミメティックなバイノーラルソナーを持つロボットが、受信した音響信号から場所を認識することで、環境のトポロジカルマップを構築することができることを示した。 しかし、ソナーの場所認識は本質的に曖昧であり、廊下はほぼ同じエコー線を発生させ、間違ったループ閉鎖はトポロジカルマップを崩壊させる可能性がある。 本稿では,音素のみのSLAMシステムであるBatSLAM 2.0について紹介する。音響フロントエンドの更新,ループ閉鎖候補の追跡と検証を行うシーケンス検証,高性能グラフフレームワーク上に実装されたポーズグラフである。 このシステムはシミュレーションと実世界記録の両方で徹底的に評価された。 どちらの場合も、BatSLAM2.0アルゴリズムは、ロバストなトポロジカルマップ生成、カウンターングマップ崩壊、ロバストなマップサイズスケーリングの能力を示している。

関連論文リスト

• Scene2Sound: Auditory-Grounded Soundscape Generation for 3D Gaussian Worlds [51.55297978842271]
  3D Gaussian Splatting(3DGS)は、撮影または生成された画像を自由に探索できる3Dワールドシミュレーションに変える。 既存の音声生成手法は、単一の画像や視点で条件付けされているため、その音はその観測と結びついており、リスナーが動いている間は、その音は一定に保たない。 本研究では,空間的に一貫した音環境を与えられた3DGS世界に対して聴覚的接地により生成するタスクを紹介する。 この基盤の上に構築されたトレーニング不要のフレームワークであるScene2Soundを紹介します。
  論文  参考訳（メタデータ） (2026-08-01T06:04:34Z)
• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。 我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。 合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-14T18:18:32Z)
• BrainSLAM: SLAM on Neural Population Activity Data [0.5461938536945721]
  同時ローカライゼーションとマッピング(SLAM)アルゴリズムは、新しい環境の地図を学習するためのロボットシステムで一般的に用いられている。 脳SLAM(BrainSLAM)は、ラットの3つの脳領域から同時に記録された集団活動(局所野電位)データのみを用いてSLAMを実行する方法である。 これは、脳の記録から空間地図が推測された最初の例である。
  論文  参考訳（メタデータ） (2024-02-01T13:34:59Z)
• SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning [127.1119359047849]
  SoundSpaces 2.0は3D環境のためのオンザフライ幾何ベースのオーディオレンダリングのためのプラットフォームである。 任意のマイク位置から取得した任意の音に対して、非常にリアルな音響を生成する。 SoundSpaces 2.0は、視聴と聴取の両方が可能な知覚システムのより広範な研究を促進するために公開されている。
  論文  参考訳（メタデータ） (2022-06-16T17:17:44Z)
• Average Outward Flux Skeletons for Environment Mapping and Topology Matching [15.93458380913065]
  本研究では,初期未知の2次元環境の道路マップの抽出方法を,その境界線を頑健に計算するオンライン・プロシージャを用いて検討する。 提案アルゴリズムは,ロボットのナビゲーションニーズに対して,スムーズな経路を実現する。
  論文  参考訳（メタデータ） (2021-11-27T06:29:57Z)
• SoundDet: Polyphonic Sound Event Detection and Localization from Raw Waveform [48.68714598985078]
  SoundDetは、多音動音イベントの検出とローカライゼーションのためのエンドツーエンドのトレーニング可能で軽量なフレームワークである。 SoundDetは、生のマルチチャネル波形を直接消費し、検出すべき時間音イベントを完全な音オブジェクトとして扱う。 次に、時間的変化が大きいイベントを予測する上での課題に対処するため、高密度な音響提案イベントマップを構築する。
  論文  参考訳（メタデータ） (2021-06-13T11:43:41Z)
• Exploiting Attention-based Sequence-to-Sequence Architectures for Sound Event Localization [113.19483349876668]
  本稿では,注意に基づくシーケンス・ツー・シーケンスモデルを用いて,音のイベントの局所化に新たなアプローチを提案する。 それは無響および残響の条件の最先端の方法と比較される優秀なローカリゼーションの性能をもたらします。
  論文  参考訳（メタデータ） (2021-02-28T07:52:20Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)

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。