LVI-Q: 四足歩行ロボットのための密結合・効率的交互最適化を用いた堅牢なLiDAR-視覚-慣性-運動学オドメトリ

- 四足歩行ロボット向けの LiDAR-Visual-Inertial-Kinematic Odometry システム「LVI-Q」を提案する研究。 - camera, LiDAR, IMU, joint encoders の情報を統合し、visual と LiDAR ベースの odometry を推定する。 - 計測の可用性に応じて、最適化ベースの VIKO とフィルタベースの LIKO を切り替えて走らせる融合型 pose estimation を採用する。 - 複雑・動的環境での legged robots の自律ナビゲーションのための robust SLAM を狙う。

- 従来の sensor fusion ベース SLAM は各種 sensor modality を統合して robustness を改善してきたが、不適切な fusion strategy への依存により challenging な環境で estimation drift を生じやすい。 - 本研究は camera, LiDAR, IMU, joint encoders を統合し、VIKO と LIKO を measurement availability に応じて使い分ける点が特徴。 - 公開データセットと long-term データセットで、他の sensor fusion ベース SLAM アルゴリズムと比較して robust な性能を示したと主張する。

- 融合型 pose estimation として、optimization ベースの VIKO と filter ベースの LIKO を measurement availability に応じて実行する。 - VIKO では foot preintegration と、superpixel clusters を用いた robust な LiDAR-visual depth consistency を sliding window optimization に組み込む。 - LIKO では foot kinematics を取り入れ、point-to-plane residual を error-state iterative Kalman filter (ESIKF) 内で用いる。

- 公開データセットおよび long-term データセット上で評価を実施。 - 他の sensor fusion ベース SLAM アルゴリズムとの比較により、robust な性能を示したと報告している。 - 具体的な評価指標や実験条件の詳細は要旨からは不明。

- 従来手法が challenging な環境で estimation drift を生じる原因として、不適切な fusion strategy への依存を指摘している。 - VIKO と LIKO を measurement availability に応じて切り替える設計の有効性や限界についての詳細な議論は要旨からは不明。 - long-term 運用時の drift や計算効率に関する定量的な議論も要旨からは不明。

- 比較対象として言及される他の sensor fusion ベース SLAM アルゴリズム（具体的名称は要旨からは不明）。 - 関連手法として、visual-inertial odometry (VIO)、LiDAR-inertial odometry (LIO)、tightly-coupled な sensor fusion SLAM の代表的研究。 - 要素技術として foot preintegration、error-state iterative Kalman filter (ESIKF)、superpixel ベースの depth consistency に関する文献。