論文の概要: RAGNAROK: Radar-Aided Gravity-Normalized Alignment for Robust Open Keyframe-based Radar-Visual-Kinematic-Inertial SLAM
- arxiv url: http://arxiv.org/abs/2610.11531v1
- Date: Thu, 08 Oct 2026 08:58:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:53.908185
- Title: RAGNAROK: Radar-Aided Gravity-Normalized Alignment for Robust Open Keyframe-based Radar-Visual-Kinematic-Inertial SLAM
- Title（参考訳）: RAGNAROK:Radar-Aided Gravity-Normalized Alignment for Robust Open Keyframe-based Radar-Visual-Kinematic-Inertial SLAM
- Abstract要約: RAGNAROKは、レーダー-視覚-運動-慣性SLAMで、挑戦的な環境でのロバストな操作を実現する。
スリップ・アンド・ローリング・コンタクト・アウェア・脚速度推定、キネマティクス・アウェア・レーダ・ファクター、劣化・アタッチ・イメージ・エンハンスメントを統合している。
公開データセットと自己収集データセットの実験は、RAGNAROKが困難な条件下で堅牢なパフォーマンスを達成することを示した。
- 参考スコア（独自算出の注目度）: 19.950312758343458
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Legged robots offer superior mobility in unstructured environments, but reliable operation in such conditions requires robust state estimation. To address the vulnerability of proprioceptive estimators in rough terrain, recent methods have incorporated radar to provide velocity measurements. However, their limited yaw observability still leads to drift, and failure-aware fusion for adverse environments remains underexplored. In this letter, we present RAGNAROK, the first radar-visual-kinematic-inertial SLAM designed for robust operation in challenging environments. It integrates slip- and rolling-contact-aware leg velocity estimation, a kinematics-aware radar factor, and degradation-aware image enhancement. We further incorporate a B-spline-based radar-aided proprioceptive backbone, adaptive weighting, and online extrinsic calibration. Extensive experiments on public and self-collected datasets demonstrate that RAGNAROK achieves robust performance under challenging conditions and outperforms state-of-the-art baselines. The source code and dataset are available at https://github.com/hanjun815/RAGNAROK.
- Abstract（参考訳）: 脚付きロボットは、非構造環境において優れた移動性を提供するが、そのような条件下での信頼性の高い動作には、堅牢な状態推定が必要である。
荒地における主観的推定器の脆弱性に対処するため,近年の手法ではレーダを組み込んで速度測定を行っている。
しかし、その限られたヨー観測性は依然として漂流を招き、有害な環境に対する失敗を意識した核融合は未発見のままである。
本稿では,レーダー-視覚-運動-慣性SLAMとして初めて,挑戦的な環境でのロバストな運用を目的としたRAGNAROKを提案する。
スリップ・アンド・ローリング・コンタクト・アウェア・脚速度推定、キネマティクス・アウェア・レーダ・ファクター、劣化・アタッチ・イメージ・エンハンスメントを統合している。
さらに,B-splineをベースとしたレーダー支援型プロピロセプティブバックボーン,適応重み付け,オンライン外装キャリブレーションを取り入れた。
公開データセットと自己収集データセットに関する大規模な実験は、RAGNAROKが困難な条件下で堅牢なパフォーマンスを実現し、最先端のベースラインを上回っていることを示している。
ソースコードとデータセットはhttps://github.com/hanjun815/RAGNAROK.com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) - DiffRadar: Differentiable Physics-Aware Radar SLAM with Gaussian Fields [8.442884076695789]
DiffRadarはリアルタイムのレーダーSLAMシステムで、レーダー観測を物理を意識したガウス場としてモデル化する。
DiffRadarはこのシーンを異方性ガウス原始体として表現し、レンジアジマスとドップラーアジマス空間でレーダー計測を行う。
DiffRadarをコモディティFMCWレーダハードウェアに実装し、パブリックなRadarizeベンチマークと制御されたストレステストスイートの両方で評価する。
論文 参考訳（メタデータ） (2026-07-14T02:08:14Z) - Pushing Radar Odometry Beyond the Pavement: Current Capabilities and Challenges [7.820881002491645]
オフロードオドメトリー推定におけるレーダの可能性について検討する。
本稿では,3次元レーダー点雲の生成に動き補償を適用したRadar-KISSICPと,IMU事前積分を利用してスキャンマッチングを安定化するRadar-IMUの2つの簡単なベースラインを紹介する。
Great Outdoorsデータセットの実験は、これらのベースラインが挑戦ルートにおける軌道推定を改善することを示した。
論文 参考訳（メタデータ） (2026-04-27T16:34:18Z) - Tightly-Coupled Radar-Visual-Inertial Odometry [12.2300314007703]
提案手法は,反復拡張カルマンフィルタ(IEKF)内の画像特徴,レーダドップラー計測,慣性測定ユニット(IMU)計測をリアルタイムに融合する。
本手法は,室内および屋外の両方で実施した飛行実験により評価した。
論文 参考訳（メタデータ） (2026-03-24T10:47:04Z) - A Lightweight Model-Driven 4D Radar Framework for Pervasive Human Detection in Harsh Conditions [11.183137089778468]
本稿では,組込みエッジハードウェア上でのリアルタイム実行を目的とした,完全モデル駆動4次元レーダ認識フレームワークを提案する。
このフレームワークは、ダスト充填されたトレーラーと実際の地下トンネルで評価され、テストシナリオでは、レーダーベースの検出器は、カメラとLiDARのモダリティが深刻な視認性低下の下で安定した歩行者識別を維持する。
論文 参考訳（メタデータ） (2026-01-19T20:18:51Z) - RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。
RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。
本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
論文 参考訳（メタデータ） (2025-12-19T18:57:33Z) - 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) - RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
暗い照明や悪天候はカメラの性能を低下させる。
レーダーは騒音と位置のあいまいさに悩まされる。
本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
論文 参考訳（メタデータ） (2025-02-18T17:17:38Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z)
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。