日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自己位置推定arXiv:2507.05661

3DGS-LSR: 3Dガウシアンスプラッティングに基づく自動運転のための大規模自己位置推定

3DGS_LSR:Large_Scale Relocation for Autonomous Driving Based on 3D Gaussian Splatting

シェア:XThreadsFacebookLINEはてブBluesky

3Dガウシアンスプラッティングで構築した大規模地図と単眼RGB画像のみを用い、反復的なレンダリング最適化によりセンチメートル級の自己位置推定を実現した。

詳しい要約

1. どんなもの?

- 都市環境でのGNSS測位失敗を補う大規模自己位置推定フレームワーク「3DGS-LSR」 - 3D Gaussian Splatting (3DGS) を活用 - クライアント側は単眼RGB画像1枚のみでcm級測位を実現 - ロボット側は標準カメラ入力のみ、地図構築側はマルチセンサデータを統合 - 対象は自律走行・自律ロボットのナビゲーション

2. 先行研究と比べてどこがすごい?

- 従来のマッピングはストレージ要件と計算非効率に制約され、資源制約のあるロボット基盤への適用が限定的 - 提案手法は単眼RGB入力のみで代表的手法を大幅に上回る精度を達成 - KITTIで平均0.026m/0.029m/0.081m (town/boulevard/traffic-dense highway) - GNSSが失敗する都市環境でも信頼できる測位を提供

3. 技術・手法の肝は?

- 大規模屋外シーンでマルチセンサデータを統合し高精度3DGSマップを構築 - ロボット側は標準カメラ入力のみで測位 - SuperPointとSuperGlueで特徴抽出・マッチング - 核心は反復最適化戦略: 段階的レンダリングで測位結果を逐次精錬し、リアルタイム自律ナビゲーションに適合

4. どうやって有効だと検証した?

- KITTIデータセットで実験的検証 - town roads, boulevard roads, traffic-dense highwaysで平均測位精度0.026m, 0.029m, 0.081m - 単眼RGB入力のみで他の代表的手法を大幅に上回ることを示した

5. 議論はある?

- 要旨からは不明 - 計算コストやリアルタイム性の定量評価、失敗ケース、GNSS併用時の挙動などは記述なし

6. 次に読むべき論文は?

- 3D Gaussian Splatting (3DGS) の原論文 - SuperPoint / SuperGlue の特徴抽出・マッチング研究 - KITTIデータセットを用いた視覚的自己位置推定の代表的手法 - GNSS代替の都市環境測位に関する関連研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Haitao Lu, Haijier Chen, Haoze Liu, Shoujian Zhang, Bo Xu, Ziao Liu

分類: cs.RO, cs.CV

原文アブストラクト

In autonomous robotic systems, precise localization is a prerequisite for safe navigation. However, in complex urban environments, GNSS positioning often suffers from signal occlusion and multipath effects, leading to unreliable absolute positioning. Traditional mapping approaches are constrained by storage requirements and computational inefficiency, limiting their applicability to resource-constrained robotic platforms. To address these challenges, we propose 3DGS-LSR: a large-scale relocalization framework leveraging 3D Gaussian Splatting (3DGS), enabling centimeter-level positioning using only a single monocular RGB image on the client side. We combine multi-sensor data to construct high-accuracy 3DGS maps in large outdoor scenes, while the robot-side localization requires just a standard camera input. Using SuperPoint and SuperGlue for feature extraction and matching, our core innovation is an iterative optimization strategy that refines localization results through step-by-step rendering, making it suitable for real-time autonomous navigation. Experimental validation on the KITTI dataset demonstrates our 3DGS-LSR achieves average positioning accuracies of 0.026m, 0.029m, and 0.081m in town roads, boulevard roads, and traffic-dense highways respectively, significantly outperforming other representative methods while requiring only monocular RGB input. This approach provides autonomous robots with reliable localization capabilities even in challenging urban environments where GNSS fails.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI