SignLoc: ナビゲーションサインと公開地図を用いたロバストな自己位置推定
SignLoc: Robust Localization using Navigation Signs and Public Maps
ナビゲーションサインと公開地図（間取り図やOpenStreetMap）を利用し、事前のセンサマッピングなしでロボットの大域自己位置推定を行う手法を提案。モンテカルロフレームワーク内で確率的観測モデルによりサインの方向・位置情報を地図グラフにマッチングさせ、1〜2個のサイン観測で高精度に位置推定できることを大学キャンパス、ショッピングモール、病院で実証した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ 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: Nicky Zimmerman, Joel Loo, Ayush Agrawal, David Hsu
分類: cs.RO
原文アブストラクト
Navigation signs and maps, such as floor plans and street maps, are widely available and serve as ubiquitous aids for way-finding in human environments. Yet, they are rarely used by robot systems. This paper presents SignLoc, a global localization method that leverages navigation signs to localize the robot on publicly available maps -- specifically floor plans and OpenStreetMap (OSM) graphs -- without prior sensor-based mapping. SignLoc first extracts a navigation graph from the input map. It then employs a probabilistic observation model to match directional and locational cues from the detected signs to the graph, enabling robust topo-semantic localization within a Monte Carlo framework. We evaluated SignLoc in diverse large-scale environments: part of a university campus, a shopping mall, and a hospital complex. Experimental results show that SignLoc reliably localizes the robot after observing only one to two signs.
