論文の概要: RESPLE2: Inertial-Informed Recursive Non-Uniform Spline Estimation for Multi-Sensor Odometry with Global Refinement
- arxiv url: http://arxiv.org/abs/2610.37602v1
- Date: Tue, 27 Oct 2026 17:33:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.734743
- Title: RESPLE2: Inertial-Informed Recursive Non-Uniform Spline Estimation for Multi-Sensor Odometry with Global Refinement
- Title（参考訳）: RESPLE2: Inertial-Informed Recursive Non-Uniform Spline Estimation for Multi-Sensor Odometry with Global Refinement
- Abstract要約: 6-DoF 動作表現のための非一様B-スプラインを用いたマルチセンサ状態推定フレームワーク RESPLE2 を提案する。
RESPLE2は、最先端のマルチセンサー・オドメトリーシステムと比較して、競合的あるいは優れた推定精度と堅牢性を達成する。
我々は、ハンドヘルド、トラック、脚、ハイブリッドな空中綱型プラットフォームで、公共および実験的なデータセットに対して広範な評価を行う。
- 参考スコア（独自算出の注目度）: 9.59964438545783
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present RESPLE2, a recursive multi-sensor state estimation framework using non-uniform B-splines for 6-DoF motion representation. By exploiting the knot-clamping boundary property, we propose a theoretically grounded mechanism for exact control-point prediction directly informed by inertial kinematics along the trajectory, with knot placement adapted to motion and measurement availability. Within an iterated extended Kalman filter, we perform this prediction using a subset of inertial measurements. A subsequent reset step preserves trajectory consistency as the knots extend. The update step further incorporates heterogeneous sensor measurements at their native timestamps through continuous-time observation models, supporting flexible combinations of LiDARs, cameras, inertial measurement units, and leg kinematics. We further develop a lightweight global optimization module that directly refines non-uniform B-spline control points by incorporating loop-closure constraints derived from LiDAR-visual cues. We conduct extensive evaluations on public and experimental datasets across handheld, tracked, legged, and hybrid aerial-legged platforms, covering highly dynamic maneuvers with extreme accelerations. Compared with state-of-the-art multi-sensor odometry systems, RESPLE2 achieves competitive or superior estimation accuracy and robustness in the corresponding sensor configurations, particularly under aggressive motion, while maintaining real-time operation. We publicly release our code and experimental datasets at https://github.com/ASIG-X/RESPLE2.
- Abstract（参考訳）: 6-DoF動作表現のための非一様B-スプラインを用いた再帰的マルチセンサ状態推定フレームワークRESPLE2を提案する。
ノットクランプ境界特性を利用して, 軌道に沿った慣性運動学によって直接的に伝達される正確な制御点予測機構を, 運動や測定に適応して提案する。
反復拡張カルマンフィルタでは、慣性測定のサブセットを用いてこの予測を行う。
その後のリセットステップは、結び目が伸びるにつれて軌道の整合性を保つ。
更新ステップでは、連続的な観測モデルを通じて、ネイティブのタイムスタンプにおける異種センサー計測を取り入れ、LiDAR、カメラ、慣性測定ユニット、脚運動学の柔軟な組み合わせをサポートする。
さらに、LiDAR-visual cuesから導かれるループ閉鎖制約を組み込むことで、一様でないB-スプライン制御点を直接洗練する軽量なグローバル最適化モジュールを開発する。
我々は、ハンドヘルド、トラック、脚付き、ハイブリッドな空中脚プラットフォームにまたがる、公共および実験的なデータセットに対して広範囲な評価を行い、極端な加速を伴う非常にダイナミックな操作をカバーしている。
RESPLE2は、最先端のマルチセンサ・オドメトリーシステムと比較して、特に攻撃的な動作下で、リアルタイム動作を維持しながら、対応するセンサ構成において、競合的または優れた推定精度と堅牢性を達成している。
コードと実験データセットはhttps://github.com/ASIG-X/RESPLE2.comで公開しています。
関連論文リスト
- Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。
平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
論文 参考訳（メタデータ） (2026-09-29T11:24:19Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - PDRNN: Modular Data-driven Pedestrian Dead Reckoning on Loosely Coupled Radio- and Inertial-Signalstreams [2.4897806364302633]
センサデータストリームを暗黙的に予測できるシンプルなリカレントニューラルネットワーク(RNN)アーキテクチャを提案する。
提案手法では,各コンポーネントを機械学習(ML)モデルの独立したアンサンブルとして扱うモジュール型ハイブリッドAI支援PDRシステムであるPDRNNを導入する。
動的スポーツ運動データを用いた実験により,PDRNNは従来のML法やML法に比べて精度と精度が優れていることが示された。
論文 参考訳（メタデータ） (2026-05-14T16:35:57Z) - CT-VIR: Continuous-Time Visual-Inertial-Ranging Fusion for Indoor Localization with Sparse Anchors [8.090575303185078]
本稿では,視覚慣性配列(VIR)融合ローカライゼーションのための連続時間状態推定法を提案する。
イントロダクタ、ビジュアル、およびレンジリング制約は、スライドウインドウグラフの因子として定式化される。
パブリックデータセットと実世界の実験による評価は,提案手法の有効性と実用性を示すものである。
論文 参考訳（メタデータ） (2026-04-16T02:23:57Z) - Lightweight Model Predictive Control for Spacecraft Rendezvous Attitude Synchronization [39.146761527401424]
本研究は、2つの軽量モデル予測制御(MPC)アプローチを導入し、宇宙船のランデブー同期時の反応輪を用いた姿勢追跡を行う。
我々は単一ループとデュアルループMPCを開発し、後者は内部ループ内に安定化フィードバックコントローラを組み込み、線形時間不変システムを生成する。
論文 参考訳（メタデータ） (2026-03-19T13:58:55Z) - Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。
モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。
ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
論文 参考訳（メタデータ） (2026-03-02T17:46:38Z) - Temporal and Rotational Calibration for Event-Centric Multi-Sensor Systems [24.110040599070796]
イベントカメラは画素レベルの明るさ変化に応じて非同期信号を生成する。
イベント中心型マルチセンサシステムに適した動きに基づく時間・回転キャリブレーションフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-18T01:53:27Z) - Single-shot prediction of parametric partial differential equations [3.987215131970378]
Flexi-VAEはパラメトリック偏微分方程式(PDE)の効率的な単発予測のためのデータ駆動フレームワークである
本稿では,潜時粘着を進行させるニューラルプロパゲータを提案する。
我々は,PDEベンチマーク,1次元バーガーズ方程式,2次元対流拡散方程式に対してフレキシ-VAEを検証し,広いパラメトリック範囲にわたって正確な予測を行う。
論文 参考訳（メタデータ） (2025-05-14T01:48:26Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z)
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。