日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

GNSS/IMU融合arXiv:2511.23017

適応的ファクターグラフに基づくGNSS/IMU密結合融合によるロバスト測位

Adaptive Factor Graph-Based Tightly Coupled GNSS/IMU Fusion for Robust Positionin

シェア:XThreadsFacebookLINEはてブBluesky

GNSSとIMUをファクターグラフで密結合し、Barron損失で信頼できないGNSS観測を適応的に重み下げすることで、都市峡谷での測位精度を向上させた研究。

詳しい要約

1. どんなもの?

- GNSS/IMUの密結合融合によるロバストな測位フレームワーク - factor graph-based な最適化に基づく - GNSS pseudorange 測定を IMU preintegration factor と直接統合 - Barron loss を導入し、非ガウスノイズや外れ値に対処 - 都市環境での測位レジリエンス向上を狙う

2. 先行研究と比べてどこがすごい?

- 従来の tightly coupled GNSS/IMU fusion は非ガウスノイズ・外れ値に脆弱 - Barron loss は複数の m-estimator を単一の調整可能パラメータで統合する一般的なロバスト損失 - これにより信頼できない GNSS 測定を適応的に down-weighting - 標準 FGO 比で最大41%の測位誤差低減 - 都市峡谷環境では EKF ベースラインをさらに大きく上回る

3. 技術・手法の肝は?

- factor graph-based の最適化フレームワーク - GNSS pseudorange 測定を IMU preintegration factor と直接統合する密結合構成 - Barron loss を導入し、単一パラメータで m-estimator 群を統一的に扱う - 信頼できない GNSS 測定を適応的に down-weighting - extended GTSAM framework 上に実装

4. どうやって有効だと検証した?

- UrbanNav dataset 上で評価 - 標準 FGO との比較で最大41%の測位誤差低減 - 都市峡谷環境において EKF ベースラインに対しさらに大きな改善 - 具体的な評価指標・実験条件の詳細は要旨からは不明

5. 議論はある?

- Barron loss が都市・信号劣化環境における GNSS/IMU ナビゲーションのレジリエンス向上に有効であることを示唆 - 非ガウスノイズ・外れ値への対処が鍵 - 限界や失敗ケース、計算コスト、パラメータ感度などの詳細な議論は要旨からは不明

6. 次に読むべき論文は?

- Barron loss の原論文(Barron, 2019, "A General and Adaptive Robust Loss Function") - GTSAM(factor graph 最適化ライブラリ)関連文献 - UrbanNav dataset の論文 - 比較対象の標準 FGO および EKF ベースの tightly coupled GNSS/IMU fusion 研究 - m-estimator を用いたロバスト GNSS/IMU 融合の関連研究

※ 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: Elham Ahmadi, Alireza Olama, Petri Välisuo, Heidi Kuusniemi

分類: cs.RO, cs.LG

原文アブストラクト

Reliable positioning in GNSS-challenged environments remains a critical challenge for navigation systems. Tightly coupled GNSS/IMU fusion improves robustness but remains vulnerable to non-Gaussian noise and outliers. We present a robust and adaptive factor graph-based fusion framework that directly integrates GNSS pseudorange measurements with IMU preintegration factors and incorporates the Barron loss, a general robust loss function that unifies several m-estimators through a single tunable parameter. By adaptively down weighting unreliable GNSS measurements, our approach improves resilience positioning. The method is implemented in an extended GTSAM framework and evaluated on the UrbanNav dataset. The proposed solution reduces positioning errors by up to 41% relative to standard FGO, and achieves even larger improvements over extended Kalman filter (EKF) baselines in urban canyon environments. These results highlight the benefits of Barron loss in enhancing the resilience of GNSS/IMU-based navigation in urban and signal-compromised environments.

  1. 1パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  2. 2Boston Dynamics、GlobalFoundriesでAtlasを試験へ 半導体製造で2027年初頭から半導体・GPU
  3. 3日経クロステック、NVIDIA取締役会のファンCEO解任議論を報道 同社は同日、辞任を発表業界動向
  4. 4川崎重工業のロボット外販を報道新製品・発表
  5. 5NVIDIA、ヒトの動きをロボットに適応する「SOMA Retargeter」を紹介研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI