日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2602.19173

リー群上の分散協調マルチロボット視覚慣性測距オドメトリ

Distributed and Consistent Multi-Robot Visual-Inertial-Ranging Odometry on Lie Groups

シェア:XThreadsFacebookLINEはてブBluesky

複数ロボットのVIOとUWB測距をリー群上の右不変誤差定式化で密に融合し、アンカー位置を状態に含めて自己校正しながら分散協調で高精度・高ロバストな自己位置推定を実現するフレームワークを提案。

詳しい要約

1. どんなもの?

- どんなもの? - GPS-denied環境でのマルチロボットシステム向けの分散協調Visual-Inertial-Ranging Odometry (DC-VIRO) フレームワーク。 - VIOとUWB測距を密に融合し、アンカー位置を状態に含めることでキャリブレーション不確かさに対処。 - ロボット間通信で共有アンカー観測を利用し、幾何学的制約を追加。 - Lie群上のright-invariant error定式化により、標準VIOの可観測性を保持し、推定器の一致性を確保。

2. 先行研究と比べてどこがすごい?

- 先行研究と比べてどこがすごい? - 既存のUWB支援VIOは単一ロボット向けで、事前キャリブレーションされたアンカーに依存。 - 提案手法はマルチロボットに拡張し、アンカー位置を状態に含めることでキャリブレーション不要。 - ロボット間通信で共有アンカー観測を活用し、分散設定でのアンカー自己キャリブレーションを可能に。 - シミュレーションでローカリゼーション精度とロバスト性の大幅改善を実証。

3. 技術・手法の肝は?

- 技術や手法の肝はどこ? - VIOとUWB測距の密融合。 - アンカー位置をシステム状態に明示的に含める。 - ロボット間通信による共有アンカー観測の利用。 - Lie群上のright-invariant error定式化により可観測性を保持し、一致性を確保。

4. どうやって有効だと検証した?

- どうやって有効だと検証した? - 複数ロボットによるシミュレーション結果で、DC-VIROがローカリゼーション精度とロバスト性を大幅に改善。 - 分散設定でのアンカー自己キャリブレーションを同時に可能にすることを示した。

5. 議論はある?

- 議論はある? - 要旨からは不明。

6. 次に読むべき論文は?

- 次に読むべき論文は? - 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、UWB-aided VIO、Visual-Inertial Odometry (VIO)、Ultra-wideband (UWB) ranging、Lie群上のright-invariant error定式化、マルチロボット協調ローカリゼーション。

※ 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: Ziwei Kang, Yizhi Zhou

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

Reliable localization is a fundamental requirement for multi-robot systems operating in GPS-denied environments. Visual-inertial odometry (VIO) provides lightweight and accurate motion estimation but suffers from cumulative drift in the absence of global references. Ultra-wideband (UWB) ranging offers complementary global observations, yet most existing UWB-aided VIO methods are designed for single-robot scenarios and rely on pre-calibrated anchors, which limits their robustness in practice. This paper proposes a distributed collaborative visual-inertial-ranging odometry (DC-VIRO) framework that tightly fuses VIO and UWB measurements across multiple robots. Anchor positions are explicitly included in the system state to address calibration uncertainty, while shared anchor observations are exploited through inter-robot communication to provide additional geometric constraints. By leveraging a right-invariant error formulation on Lie groups, the proposed approach preserves the observability properties of standard VIO, ensuring estimator consistency. Simulation results with multiple robots demonstrate that DC-VIRO significantly improves localization accuracy and robustness, while simultaneously enabling anchor self-calibration in distributed settings.

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. 2newmo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
  3. 3GXO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
  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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI