論文の概要: Radio-to-Pose Information for Gauge-Drift Correction in Cooperative Localization

• arxiv url: http://arxiv.org/abs/2611.08361v1
• Date: Thu, 05 Nov 2026 17:41:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.604024
• Title: Radio-to-Pose Information for Gauge-Drift Correction in Cooperative Localization
• Title（参考訳）: 共同局地化におけるゲージドリフト補正のための無線通信情報
• Abstract要約: RPI (Radio-to-Pose Information) は、電力残差とそのポーズデリバティブをガウス情報行列とベクトル対に変換するインタフェースである。 RPIは、受信した電力が世界地図の共有変位に敏感であるという洞察に基づいて構築される。 32対の試行と登録された地図の合計で、RPIは共通位置RMSEを0.542$mから0.140$mに減らし、50times50$mアリーナで提供する。
• 参考スコア（独自算出の注目度）: 0.8819673391477033
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Cooperative localization uses odometry and inter-robot measurements to estimate the motion of a robot team. These measurements describe only relative geometry, but the team's estimated position and orientation can drift together over time, i.e., gauge drift. In this work, we study correction of this gauge drift using a radio attenuation map registered in the same world coordinate frame used for robot poses. Specifically, we propose Radio-to-Pose Information (RPI), an interface that converts power residuals and their pose derivatives into a Gaussian information matrix and vector pair. RPI builds on the insight that received power is sensitive to shared displacement in the world map. The pose estimator uses the interface together with odometry and inter-robot measurements to update poses and minimize uncertainty. We characterize the shared motions detectable from the map and observed links. For an uncertain shared map, RPI keeps correlations across robots and time and reproduces joint Gaussian pose estimates and covariances. Across $1000$ simulated Gaussian trials, RPI matches the results of joint estimation. Across 32 paired trials with a registered map, RPI reduces common-position RMSE from $0.542$m to $0.140$m in a $50\times50$m arena compared with a baseline that uses radio only to weight relative measurements.
• Abstract（参考訳）: 協調的なローカライゼーションは、ロボットチームの動きを推定するために、オドメトリーとロボット間測定を使用する。 これらの測定は相対幾何学のみを記述するが、チームの推定位置と向きは時間とともに一緒にドリフトできる。 本研究では,ロボットのポーズに使用する同一世界座標フレームに登録された無線減衰マップを用いて,このゲージドリフトの補正を行う。 具体的には、電力残差とそのポーズデリバティブをガウス情報行列とベクトル対に変換するインタフェースであるRPI(Radio-to-Pose Information)を提案する。 RPIは、受信した電力が世界地図の共有変位に敏感であるという洞察に基づいて構築される。 ポーズ推定器は、オドメトリーとロボット間計測と共にインターフェースを使用し、ポーズを更新し、不確実性を最小化する。 地図から検出可能な共有動作と観測リンクを特徴付ける。 不確実な共有マップの場合、RPIはロボットと時間の間で相関を保ち、共同ガウスのポーズ推定と共分散を再現する。 1000ドルを超える模擬ガウス的試行で、RPIは共同推定の結果と一致する。 RPIは、登録された地図と32対の試行を経て、50\times50$mアリーナで共通のRMSEを0.542$mから0.140$mに下げる。

関連論文リスト

• Consistent Distributed Invariant EKF SLAM with Point and Object Features [7.000461055282032]
  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。
  論文  参考訳（メタデータ） (2026-10-22T13:06:44Z)
• 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)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments [0.6171990546748666]
  自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用に適している。 しかし、ノイズやマルチパスリフレクションによるスキャンの間隔と急激な検出のため、登録は依然として困難である。 斜線グラフ(PCM)に対するレーダ適応型ペアワイズ距離不変スコアリング関数を提案する。 提案手法は,1mセグメントで29.6%,100mセグメントで最大で29.6%削減する。
  論文  参考訳（メタデータ） (2026-04-16T10:44:47Z)
• 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)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• 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)
• Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
  本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。 我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。 特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。