Fugu-MT 論文翻訳(概要): Embedded Bare-Metal Radar-Inertial Odometry

論文の概要: Embedded Bare-Metal Radar-Inertial Odometry

arxiv url: http://arxiv.org/abs/2610.07278v1
Date: Mon, 05 Oct 2026 19:16:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 02:58:29.61358
Title: Embedded Bare-Metal Radar-Inertial Odometry
Title（参考訳）: 埋込みベアメタルレーダ-慣性オドメトリー
Abstract要約: 本稿では,低計算プラットフォームに適したレーダー慣性推定器を提案する。すべてのセンサードライバ、データ処理、補助慣性ナビゲーションはシングルコアマイクロコントローラ上で実行される。飛行実験では、APEが0.51-0.82ドル、RPEが3,%のモーションキャプチャに対して、未修正のPX4スタックを介してクローズドループ飛行を行った。
参考スコア（独自算出の注目度）: 10.364779390403337
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Compact extraplanetary rovers and micro aerial vehicles require robust state estimation frameworks designed to operate under strict computational constraints in unforgiving environments. Typical solutions involving vision- or LiDAR-based sensing are computationally expensive and vulnerable to environments with perceptual degradation, making them poorly suited for resource-constrained platforms and austere conditions. Alternatively, Frequency Modulated Continuous Wave (FMCW) radar offers both robustness and computational efficiency by directly providing velocity measurements coupled with inherent resilience to perceptual degradation. These factors enable robust estimation, thereby reducing reliance on human operators for supervision to ensure platform safety in challenging environments. In this manuscript, we propose an embedded radar-inertial estimator tailored for low-compute platforms. All sensor drivers, data processing, and aided inertial navigation are performed on a single-core microcontroller, demonstrating its computational efficiency. Flight experiments show translational APE of $0.51-0.82\,\mathrm{m}$ and RPE of $<$3\,\% against motion capture, alongside closed-loop flight through an unmodified PX4 stack. The firmware and printed circuit board design are openly available on GitHub at \href{https://github.com/ntnu-arl/embedded_rio}{ntnu-arl/embedded\_rio} and \href{https://github.com/ntnu-arl/embedded_rio-pcb}{ntnu-arl/embedded\_rio-pcb} respectively.
Abstract（参考訳）: 小型の惑星外ローバーとマイクロエアロビーは、厳密な計算制約の下で不規則な環境で運用するために設計された堅牢な状態推定フレームワークを必要とする。視覚やLiDARをベースとしたセンシングを含む典型的なソリューションは、計算コストが高く、知覚的劣化を伴う環境に弱いため、リソース制約のあるプラットフォームやアスタール条件には適さない。あるいは、周波数変調連続波(FMCW)レーダーは、知覚劣化に固有のレジリエンスと組み合わされた速度測定を直接提供することにより、堅牢性と計算効率の両方を提供する。これらの要因により、頑健な推定が可能となり、人間オペレーターによる監視への依存を減らし、挑戦的な環境におけるプラットフォームの安全性を確保することができる。本稿では,低計算プラットフォームに適したレーダー慣性推定器を提案する。すべてのセンサードライバ、データ処理、補助慣性ナビゲーションはシングルコアのマイクロコントローラ上で実行され、その計算効率が実証される。飛行実験では、0.51-0.82\,\mathrm{m}$とRPE$<$3\,\%の翻訳ALPと、修正されていないPX4スタックを経由した閉ループ飛行が示されている。ファームウェアとプリントされた回路基板のデザインはGitHubで公開されており、それぞれ \href{https://github.com/ntnu-arl/embedded_rio}{ntnu-arl/embedded\_rio} と \href{https://github.com/ntnu-arl/embedded_rio-pcb}{ntnu-arl/embedded\_rio-pcb} で公開されている。

関連論文リスト

Dense Soft Weighting for Radar Ego-Velocity Estimation [6.356174487225252]
本稿では,エゴ速度推定のための分析レーダフロントエンドであるDense Soft Weightingを提案する。すべてのレンジドップラーセルを2値検出閾値を強制するのではなく、連続した信頼度にマッピングする。これは、最強のCFARポイントクラウドベースラインと比較して平均的な絶対的なポーズエラーを31-45%削減する。
論文参考訳（メタデータ） (2026-07-29T14:37:52Z)
Machine Learning-Based Reconstruction for Resistive Silicon Sensors [53.365453214937496]
抵抗型シリコンセンサの機械学習による再構成と圧縮について検討した。相関パッドからのフルウェーブフォーム情報を用いて、再構成を規則化し、空間情報を抽出する。まず、LSTM層に基づくリカレントニューラルネットワークモデルを紹介し、フルウェーブフォーム再構成のための概念実証実装を提供する。
論文参考訳（メタデータ） (2026-07-13T14:03:26Z)
CR^2: Cost-Aware Risk-Controlled Routing for Wireless Device-Edge LLM Inference [52.849509991178884]
大規模言語モデル(LLM)は集中型クラウドからモバイルエッジ環境に移行する。軽量オンデバイスモデルとより強力なエッジモデルの間のクエリレベルのルーティングは、このトレードオフをナビゲートするための柔軟なメカニズムを提供する。既存のルータは、集中クラウド設定とトークンレベルのコストの最適化のために設計されており、無線エッジデプロイメントにおける動的レイテンシとエネルギーオーバーヘッドをキャプチャできない。
論文参考訳（メタデータ） (2026-05-12T11:50:15Z)
RAVEN: Radar Adaptive Vision Encoders for Efficient Chirp-wise Object Detection and Segmentation [11.345174599707859]
RAVENはFMCWレーダ認識のための計算効率の良いディープラーニングアーキテクチャである。自動車レーダのベンチマークでは、強力な物体検出とBEV自由空間セグメンテーション性能が報告されている。
論文参考訳（メタデータ） (2026-04-06T07:30:45Z)
Thermal RGB Fusion for Micro-UAV Wildfire Perimeter Tracking with Minimal Comms [0.0]
本研究では,限られた帯域幅条件下での山火事環境下で運用する小型UAVチームを対象とした軽量な近距離追跡手法を提案する。熱画像フレームは適応しきい値と形態的改善により粗いホット領域マスクを生成する一方、RGBフレームはエッジキューに寄与し、勾配に基づくフィルタリングによるテクスチャ関連偽検出を抑制する。ルールレベルのマージ戦略は境界候補を選択し、ラマー・ダグラス・ピーカーアルゴリズムによってそれらを単純化する。
論文参考訳（メタデータ） (2025-12-13T06:08:28Z)
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)
CARE: Enhancing Safety of Visual Navigation through Collision Avoidance via Repulsive Estimation [6.216878556851609]
本稿では,学習に基づく視覚ナビゲーション手法の堅牢性を向上させるため,CARE(Collision Avoidance via Repulsive Estimation)を提案する。 CAREは、ローカルなロボット軌道を生成するRGBベースのナビゲーションモデルにシームレスに統合することができる。我々は、様々なロボットプラットフォームにまたがる最先端のビジュアルナビゲーションモデルと統合することで、CAREを評価する。
論文参考訳（メタデータ） (2025-06-04T11:02:15Z)
Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。本稿では,DRLに基づくUAV衝突回避システムを提案する。
論文参考訳（メタデータ） (2024-11-27T03:03:37Z)
Unit-Modulus Wireless Federated Learning Via Penalty Alternating Minimization [64.76619508293966]
Wireless Federated Learning(FL)は、分散データセットから無線通信を介してグローバルパラメトリックモデルをトレーニングする、新興機械学習パラダイムである。本稿では、ローカルモデルパラメータをアップロードし、無線通信を介してグローバルモデルパラメータを算出する無線FLフレームワークを提案する。
論文参考訳（メタデータ） (2021-08-31T08:19:54Z)
Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文参考訳（メタデータ） (2021-05-20T17:52:37Z)

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。