論文の概要: RootSLAM: Square Root Bundle Adjustment for Visual-Inertial SLAM

• arxiv url: http://arxiv.org/abs/2610.15157v1
• Date: Sat, 10 Oct 2026 20:15:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 02:19:36.650448
• Title: RootSLAM: Square Root Bundle Adjustment for Visual-Inertial SLAM
• Title（参考訳）: RootSLAM:ビジュアル慣性SLAMのための正方形根束調整
• Abstract要約: RootSLAMは、Basalt上に構築されたマルチカメラセットアップのためのビジュアル慣性SLAMシステムである。 我々は、動きから多カメラ視覚慣性SLAM設定への構造から正方形根束調整の定式化を適応する。 我々は、私たちのコントリビューションのアブレーション研究とともに、アートの現状に対するベンチマークを提供する。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient perception is a prerequisite for the small, low-power devices targeted by robotics, mixed reality, autonomous driving, and drone applications, all of which rely on Simultaneous Localization and Mapping (SLAM) to estimate their motion within their surroundings. Learning-based SLAM systems achieve state-of-the-art accuracy but are demanding in compute, whereas classical geometry-based methods retain a strong efficiency advantage with little to no loss in accuracy. In this work we present RootSLAM, a fully-featured visual-inertial SLAM system for multi-camera setups built on Basalt. RootSLAM achieves accuracy competitive with the state of the art while running up to 20 times faster, facilitating the deployment of perception systems in resource constrained environments. We adapt the square-root bundle adjustment formulation from structure from motion into the multi-camera visual-inertial SLAM setting through a novel reformulation that leverages the system's pose-graph, letting the global optimizer run in single-precision floating point, thus doubling its performance. We provide a thorough benchmark against the state of the art together with an ablation study of our contributions. Our new implementation, including its map management and loop detection module, pose-graph optimizer, and global mapping components, will be open-sourced.
• Abstract（参考訳）: 効率的な知覚は、ロボット工学、混合現実、自律運転、ドローンアプリケーションをターゲットにした小型で低消費電力のデバイスにとって必須条件であり、その全ては周囲の動きを推定するために同時局所化とマッピング(SLAM)に依存している。 学習ベースのSLAMシステムは最先端の精度を達成するが、計算では要求される。 本稿では,Basalt上に構築されたマルチカメラセットアップのための,フル機能のビジュアル慣性SLAMシステムであるRootSLAMを紹介する。 RootSLAMは、最先端の技術を最大で20倍高速に動作させ、リソース制約のある環境に知覚システムのデプロイを容易にする。 動作からマルチカメラ・ビジュアル・慣性SLAM設定への2乗ルートバンドル調整の定式化を,システムのポーズグラフを利用した新しい修正により適用し,グローバルオプティマイザを単一精度浮動小数点で動作させ,その性能を2倍にする。 当社のコントリビューションに関するアブレーション調査とともに、最先端技術に対する徹底的なベンチマークを提供する。 本実装では,マップ管理とループ検出モジュール,ポーズグラフオプティマイザ,グローバルマッピングコンポーネントなどの実装をオープンソース化する。

関連論文リスト

• Multi-Submap Implicit Neural SLAM with Local-to-Global Loop Closure for Large-Scale Scene Reconstruction [38.870967480699186]
  本稿では,マルチサブマップアーキテクチャと2層ループクロージャ機構を備えた大規模ニューラルネットワークSLAMシステムを提案する。 堅牢なポーズ推定のために、光学フローベースのトラッキングモジュールが、攻撃的な動きを処理するために統合されている。 提案手法は, 再建品質と局所ロバスト性において, 最先端のニューラルSLAM法より優れる。
  論文  参考訳（メタデータ） (2026-08-10T05:49:55Z)
• VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
  視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。 堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。 本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
  論文  参考訳（メタデータ） (2025-12-02T00:19:13Z)
• Self-Organizing Edge Computing Distribution Framework for Visual SLAM [0.6749750044497732]
  本稿では,デバイスネットワーク上で完全に分散されたSLAM実行を自己組織化できる新しいエッジ支援SLAMフレームワークを提案する。 アーキテクチャは3つのレイヤで構成されており、デバイスに依存しず、ネットワーク障害に対して回復力があり、コアSLAMシステムに最小限の侵入力を持つように設計されている。
  論文  参考訳（メタデータ） (2025-01-15T07:24:15Z)
• CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
  本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。 これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。 協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T09:17:15Z)
• iSLAM: Imperative SLAM [5.135133301600283]
  SLAMシステムは、しばしば、動き推定のためのフロントエンドコンポーネントと、推定ドリフトを除去するバックエンドシステムから構成される。 本稿では,フロントエンドとバックエンドの相互修正を促進する,命令型SLAMという,自己指導型命令型学習フレームワークを提案する。 実験の結果,iSLAMトレーニング戦略はベースラインモデルよりも平均22%の精度向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2023-06-13T16:39:39Z)
• NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
  NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。 近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T17:06:34Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。