論文の概要: Distributed Relative Localization for Homogeneous Multi-Robot Systems through UWB Ranging and Limited Communications

• arxiv url: http://arxiv.org/abs/2610.11308v1
• Date: Thu, 08 Oct 2026 06:13:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.826576
• Title: Distributed Relative Localization for Homogeneous Multi-Robot Systems through UWB Ranging and Limited Communications
• Title（参考訳）: UWBラウンギングと限定通信による均質多元ロボットシステムの分散相対的位置決め
• Abstract要約: そこで本研究では,LiDAR,UWB,およびオドメトリー計測を統合した完全分散相対ポーズ推定手法を提案する。 このシステムは、UWB上のデータ交換のみを必要とするため、WiFiルータやメッシュネットワークは不要である。
• 参考スコア（独自算出の注目度）: 46.956788903405176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate and reliable relative localization is crucial for multi-robot applications like exploration, search, and rescue missions. LiDAR-based solutions offer high accuracy in localizing surrounding objects; however, distinguishing homogeneous robots with similar appearances remains challenging due to the lack of distinctive identification features. In this paper, we propose a fully distributed relative pose estimation approach by integrating LiDAR, UWB, and odometry measurements, allowing each robot to accurately and continuously localize its teammates without external infrastructure. Specifically, potential anonymous teammate robot clusters from LiDAR scans are tracked by a dynamic tracker. We then identify teammate robots from these tracked anonymous clusters using a joint matching strategy, ensuring reliable data association between robots and clusters. Finally, by combining the corresponding LiDAR observations, UWB ranging, and odometry measurements, each robot precisely localizes others while minimizing data exchange. The system requires only odometry data exchange through onboard UWB, eliminating the need for additional communication infrastructure like WiFi routers or mesh networks. Extensive simulation and real-world experiments demonstrate the effectiveness and reliability of the proposed relative localization approach.
• Abstract（参考訳）: 精密で信頼性の高い相対的な位置決めは、探索、探索、救助といったマルチロボットアプリケーションにとって不可欠である。 LiDARベースのソリューションは、周囲の物体のローカライズに高い精度を提供するが、類似した外観を持つ同種ロボットの識別は、識別機能の欠如により、依然として困難である。 本稿では,LiDAR,UWB,およびオドメトリー計測を統合した完全分散相対ポーズ推定手法を提案し,各ロボットが外部インフラを使わずにチームメイトを高精度かつ連続的にローカライズできるようにする。 具体的には、LiDARスキャンから匿名のチームメイトロボットクラスタが、ダイナミックトラッカーによって追跡される。 そして、これらの追跡された匿名クラスタから、共同マッチング戦略を用いて、チームメイトロボットを識別し、ロボットとクラスタ間の信頼性の高いデータ結合を保証する。 最後に、対応するLiDAR観測、UWB測度、および計測値を組み合わせることで、各ロボットはデータ交換を最小化しながら、他の人を正確にローカライズする。 このシステムは、UWB上のデータ交換のみを必要とするため、WiFiルータやメッシュネットワークなどの通信インフラが不要になる。 大規模シミュレーションと実世界の実験により,提案手法の有効性と信頼性が示された。

関連論文リスト

• Distributed Relative Localization Based on Ultra-WideBand and LiDAR for Multi-robot with Limited Communication [46.956788903405176]
  タスクを協調的に実行するマルチロボットシステムにとって、相対的なローカライゼーションが不可欠である。 搭載型UWBとLiDARセンサを用いたロボットの相対位置推定手法を提案する。
  論文  参考訳（メタデータ） (2026-10-08T03:06:13Z)
• Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions [34.42294321573021]
  本稿では,未知の障害物を持つマルチロボットナビゲーションにおけるライン・オブ・ビュー(LoS)接続性維持問題について検討する。 本稿では,各ロボットがリアルタイムLiDARスキャンに基づいて,自我中心の可視領域のみを構築するという,本質的に分散したアプローチを提案する。 その結果,障害物が散らばった環境においてロボット間のLoS接続性を確実に維持できることが示唆された。
  論文  参考訳（メタデータ） (2026-03-27T11:33:25Z)
• Distributed and Consistent Multi-Robot Visual-Inertial-Ranging Odometry on Lie Groups [1.2247984232203188]
  本稿では、複数のロボット間でVIOとUWBの測定を密に融合させる分散視覚慣性測度(DC-VIRO)フレームワークを提案する。 リー群上の右不変誤差定式化を利用して、提案手法は標準VIOの可観測性を保存する。
  論文  参考訳（メタデータ） (2026-02-22T13:07:50Z)
• Zero-shot HOI Detection with MLLM-based Detector-agnostic Interaction Recognition [71.5328300638085]
  Zero-shot Human-Object Interaction (HOI) は、画像中の人間と物体を特定し、その相互作用を認識することを目的としている。 2段階法を含む既存の手法は、特定の検出器との相互作用認識を密に結合する。 本稿では、オブジェクト検出をIRから分離し、マルチモーダル大言語モデル(MLLM)をゼロショットIRに活用する分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T19:01:31Z)
• A Pseudo Global Fusion Paradigm-Based Cross-View Network for LiDAR-Based Place Recognition [12.93382945887946]
  LiDARベースのPlace Recognition(LPR)は、Embodied Artificial Intelligence(AI)とAutonomous Drivingにおいて重要なタスクである。 既存のアプローチは、ユークリッド距離に基づく距離学習タスクへの位置認識を減らし、特徴空間の固有の構造やクラス内分散を無視している。 本稿では,これらの課題に対処する革新的な融合パラダイムに基づく,新しいクロスビューネットワークを提案する。
  論文  参考訳（メタデータ） (2025-08-12T13:12:48Z)
• Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
  本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。 具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。 その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-04T08:18:30Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Relative Localization of Mobile Robots with Multiple Ultra-WideBand Ranging Measurements [15.209043435869189]
  ロボット群間の相対的なポーズを,複数のUWB範囲のノードを各ロボットに装備することで推定する手法を提案する。 局所化精度を向上させるため,スライディングウインドウを用いた最適化により,オドメトリー制約を利用する。
  論文  参考訳（メタデータ） (2021-07-19T12:57:02Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)

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。