論文の概要: ToF-Wheel Odometry: Navigating Degeneration of Localization With Limited Sensing Capabilities

• arxiv url: http://arxiv.org/abs/2610.14590v1
• Date: Sat, 10 Oct 2026 05:16:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:47:06.271529
• Title: ToF-Wheel Odometry: Navigating Degeneration of Localization With Limited Sensing Capabilities
• Title（参考訳）: ToF-Wheelオドメトリー : 限定センシング機能による局所性変性の誘導
• Abstract要約: ToF-Wheel Odometry (TWO)は、ホイールキネマティクスと、Time-of-Flight (ToF)カメラの幾何学的制約を統合している。 TWOは静的および適応ガウスフィルタと比較して軌道精度とロバスト性を改善する。
• 参考スコア（独自算出の注目度）: 12.3760529125697
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wheel odometry provides an efficient motion prior for ground robots but is prone to transient violations such as wheel slip or terrain-induced tilt. In filtering-based odometry, these violations frequently trigger divergence when they coincide with constrained geometric observability (e.g., featureless corridors). We address this challenge by proposing ToF-Wheel Odometry (TWO), a tightly-coupled filtering framework that integrates wheel kinematics with geometric constraints from Time-of-Flight (ToF) cameras. The primary contribution of this work is a degeneracy-aware, directional covariance-shaping strategy that replaces heuristic online covariance tuning with geometry-conditioned inflation. The core idea is to infer process noise from geometric corrections with a strict reliability check. We decompose the posterior-to-prior correction into a wheel-explainable subspace and an orthogonal remainder. The process covariance is anisotropically adjusted according to the observability of the ToF update: if the geometry is degenerate in non-kinematic directions, the remainder is suppressed as sensor noise; if the geometry is distinct, it is admitted as a valid kinematic violation. Additionally, we introduce an intra-frame feedback loop that retrospectively repairs the process covariance within the current frame to reduce structural lag during bursty disturbances. Extensive experiments on challenging scenarios demonstrate that TWO improves trajectory accuracy and robustness compared to static and adaptive Gaussian filtering, robustly navigating the trade-off between kinematic reliability and limited sensing capabilities.
• Abstract（参考訳）: ホイール・オドメトリーは、地上ロボットに先立って効率的な動きを提供するが、車輪スリップや地形による傾きのような過渡的な違反を生じやすい。 フィルタリングに基づくオドメトリーでは、これらの違反は、制約された幾何学的観測可能性(例えば、特徴のない廊下)と一致するときに、しばしばばらつきを引き起こす。 ToF-Wheel Odometry (TWO)は、ホイールキネマティクスと、Time-of-Flight (ToF)カメラの幾何学的制約を統合した密結合フィルタリングフレームワークである。 この研究の主な貢献は、ヒューリスティックなオンライン共分散チューニングと幾何条件付きインフレーションを代替する、縮退的、方向性共分散型戦略である。 中心となる考え方は、厳密な信頼性チェックで幾何補正からプロセスノイズを推測することである。 前方修正を車輪記述可能な部分空間と直交残差に分解する。 プロセスの共分散は、ToF更新の可観測性に応じて異方的に調整される: 幾何が非キネマティックな方向に退縮した場合、残りはセンサノイズとして抑制され、幾何が別物である場合、有効なキネマティック違反として認められる。 さらに,現行のフレーム内のプロセス共分散を遡及的に修復するフレーム内フィードバックループを導入し,バースト乱れ時の構造ラグを低減する。 挑戦的なシナリオに関する大規模な実験により、TWOは静的かつ適応的なガウスフィルタと比較して軌道精度とロバスト性を改善し、キネマティックな信頼性と限られた知覚能力の間のトレードオフを堅牢にナビゲートすることを示した。

関連論文リスト

• JtT: Rethinking Point Trajectory Diffusion for Diverse and Rigid Motion from an Image [67.09340259579761]
  単体画像からの剛体運動の予測について検討した。 我々のモデルであるJtTは座標空間で直接動作する単純な拡散変換器である。 モデルランキングは,モデルのサイズ,メートル法,停止時間にどのように依存するかを示し,より厳密なチェックポイント平均評価プロトコルを採用する。
  論文  参考訳（メタデータ） (2026-10-12T11:13:37Z)
• Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
  Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。 5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。 TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
  論文  参考訳（メタデータ） (2026-07-06T07:31:37Z)
• Geometry-Anchored Transport Framework for Exemplar-Free Class-Incremental Learning [6.63181149575886]
  巨視的異方性ドリフトを緩和するGeometry-Anchored Transport Frameworkを提案する。 また、局所化多様体の分解を正規化するトポロジー・アウェア進化の目的も導入する。 CIFAR-100、TinyImageNet、ImageNet-100にわたる実験では、提案されたフレームワークが既存のポストホック代替品を一貫して改善していることが示されている。
  論文  参考訳（メタデータ） (2026-06-24T03:27:20Z)
• Taming Curvature: Architecture Warm-Up for Stable Transformer Training [52.6838951211596]
  本稿では,Hessian-vector製品を用いた暖かくスタートした変種に基づく最大(プレコンディション付き)Hessian固有値(曲率)の高速オンライン推定手法を提案する。 トレーニングの不安定性は、事前条件付き曲率の急激な上昇と一致し、曲率の深さが増加する。 大規模変圧器の実験により,本手法が効率的な曲率追跡を可能にし,不安定性を低減できることを確認した。
  論文  参考訳（メタデータ） (2026-06-15T14:16:56Z)
• Adaptive Smooth Tchebycheff Attention for Multi-Objective Policy Optimization [55.338784037660474]
  ドメインにおける多曲率強化学習は、矛盾する目的間の複雑な非脆弱な干渉トレードオフのバランスを必要とする。 本稿では,生態系をモニタリングするプロキシであるロボットビジュアルを用いた,新しいリアルタイムなリアルタイム最適化を提案する。
  論文  参考訳（メタデータ） (2026-05-12T21:32:57Z)
• Geometry-Aware Neural Optimizer for Shape Optimization and Inversion [14.303592801147225]
  幾何学はPDEが支配するシステムの中心であり、形状最適化と反転を動機付けている。 textbftextscGANOは、幾何学表現、フィールドレベルの予測、および単一の潜在空間ループにおける自動最適化/反転を統一する。 textscGANOはヌルスペースプロジェクションによる部分的制御をサポートし、レメッシングフリープロジェクションを使用して幾何学処理を高速化する。
  論文  参考訳（メタデータ） (2026-05-06T03:51:22Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)

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。