論文の概要: Consistent Distributed Invariant EKF SLAM with Point and Object Features

• arxiv url: http://arxiv.org/abs/2610.31221v1
• Date: Thu, 22 Oct 2026 13:06:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.381557
• Title: Consistent Distributed Invariant EKF SLAM with Point and Object Features
• Title（参考訳）: 点特徴と対象特徴を持つ連続分散不変EKF SLAM
• Abstract要約: 共分散交叉(CI)は、これらの相関を追跡することなく見積もりを融合することができる。 右不変な拡張カルマンフィルタ(RI-EKF)SLAMでは、点特徴はロボット回転によって不変誤差を得る。 本稿では,ポイント,オブジェクト,混合点オブジェクトマップを備えた分散RI-EKF SLAMのための統合融合手法であるJoint-CIを提案する。
• 参考スコア（独自算出の注目度）: 7.000461055282032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-robot SLAM allows robots to improve their estimates by exchanging map information, but repeated exchanges create unknown correlations between local estimators. Covariance intersection (CI) can fuse estimates without tracking these correlations. In right-invariant extended Kalman filter (RI-EKF) SLAM, however, point features obtain their invariant errors through the robot rotation, so a neighbor's map estimate is expressed in its own error coordinates and is correlated with its pose, and cannot be fused by CI directly. This paper presents Joint-CI, a unified fusion method for distributed RI-EKF SLAM with point, object, and mixed point--object maps. Using a neighboring robot's local posterior and an inter-robot observation, a joint estimate of the receiving robot's pose and the common features is constructed in the receiving robot's error coordinates, retaining the robot--feature and feature--feature correlations. Partial-state CI then fuses this estimate with the receiving robot's local posterior. We show that the unified formulation and the fusion preserve the six unobservable directions associated with global rotation and translation, and that communication and fusion preserve first-order covariance consistency given consistent local posteriors. Monte Carlo simulations and a real-world dataset-derived experiment show that Joint-CI improves estimation accuracy while maintaining consistent, mildly conservative uncertainty.
• Abstract（参考訳）: マルチロボットSLAMにより、ロボットはマップ情報を交換することで見積を改善することができるが、繰り返し交換することで局所推定器間の未知の相関関係が生成される。 共分散交叉(CI)は、これらの相関を追跡することなく見積もりを融合することができる。 しかし、右不変拡張カルマンフィルタ(RI-EKF)SLAMでは、点特徴はロボット回転によって不変誤差を得るので、隣人の地図推定は自身の誤差座標で表現され、そのポーズと相関し、CIによって直接融合することができない。 本稿では,ポイント,オブジェクト,混合点オブジェクトマップを備えた分散RI-EKF SLAMのための統合融合手法であるJoint-CIを提案する。 隣接するロボットの局所的後部とロボット間観察を用いて、受信ロボットの姿勢と共通する特徴の合同推定を、受信ロボットの誤差座標内に構築し、ロボットの機能的特徴と特徴的特徴的相関を維持する。 部分状態CIは、この推定を受信ロボットの局所的な後部と融合する。 統一的な定式化と融合は、大域的な回転と翻訳に関連する6つの観測不可能な方向を保ち、通信と融合は、一貫した局所的な後部を与えられた一階の共分散一貫性を保っていることを示す。 モンテカルロシミュレーションと実世界のデータセットによる実験により、Joint-CIは、一貫性のある、わずかに保守的な不確実性を保ちながら、推定精度を向上させることが示されている。

関連論文リスト

• CoRef-GS: Cooperative Referring Gaussian Splatting for Multi-Agent Scene Understanding [61.37726020220854]
  CoRef-GSはガウシアンスプレイティングフレームワークを参考にしている。 CoQuad-Refは、現実世界とシミュレーションされた屋内シーンの両方にまたがるベンチマークである。
  論文  参考訳（メタデータ） (2026-09-17T15:39:25Z)
• Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
  本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。 画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
  論文  参考訳（メタデータ） (2026-07-29T05:16:59Z)
• Distributed Kalman--Consensus Filtering with Adaptive Uncertainty Weighting for Multi-Object Tracking in Mobile Robot Networks [2.536160127321797]
  本稿では,移動ロボットネットワークにおけるマルチオブジェクト追跡(MOT)のための分散カルマン・コンセンサスフィルタ(DKCF)の実装と評価を行う。 このようなシステムにおける重要な課題は、ローカライゼーションの質が異なるエージェントからの情報の融合である。 本稿では,近隣情報の影響を動的に調整する不確実性を考慮した適応型コンセンサス重み付け機構を提案する。
  論文  参考訳（メタデータ） (2026-03-11T21:41:10Z)
• Collaborative Heterogeneous Causal Inference Beyond Meta-analysis [68.4474531911361]
  異種データを用いた因果推論のための協調的逆確率スコア推定器を提案する。 異質性の増加に伴うメタアナリシスに基づく手法に対して,本手法は有意な改善を示した。
  論文  参考訳（メタデータ） (2024-04-24T09:04:36Z)
• Multi-Robot Relative Pose Estimation in SE(2) with Observability Analysis: A Comparison of Extended Kalman Filtering and Robust Pose Graph Optimization [1.0485739694839669]
  本研究では,相対的なポーズ推定の協調的局所化と可観測性分析に着目する。 ROS/Gazeboシミュレーションでは,4つのセンシング・通信構造について検討する。 ハードウェア実験では、UWBモジュールを備えた2つのTurtlebot3がロボット間の相対的なポーズ推定に使用される。
  論文  参考訳（メタデータ） (2024-01-27T06:09:56Z)
• Pose-Oriented Transformer with Uncertainty-Guided Refinement for 2D-to-3D Human Pose Estimation [51.00725889172323]
  本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。 我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。 本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
  論文  参考訳（メタデータ） (2023-02-15T00:22:02Z)
• A Cooperative Perception System Robust to Localization Errors [8.65435011972241]
  我々はOptiMatchと呼ばれる分散オブジェクトレベルの協調認識システムを提案する。 検出された3Dバウンディングボックスと局所状態情報は、接続された車両間で共有される。 実験の結果,提案手法は最先端のベンチマーク融合方式よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-12T15:07:24Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• 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。