日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

SLAMarXiv:2602.20925

LST-SLAM: キロメートル規模の動的環境に対応するステレオ熱画像SLAMシステム

LST-SLAM: A Stereo Thermal SLAM System for Kilometer-Scale Dynamic Environments

シェア:XThreadsFacebookLINEはてブBluesky

熱画像カメラを用いた大規模動的環境向けステレオSLAMシステムを提案し、自己教師あり特徴学習と動的特徴抑制によりキロメートル規模のデータセットで高精度・高ロバスト性を実現した。

詳しい要約

1. どんなもの?

- 大規模・動的環境向けのステレオ熱画像SLAMシステム - 名称はLST-SLAM - キロメートル規模の動的熱データセットで評価 - 照明・天候の課題下でのロボット知覚を狙う - 熱カメラのSLAMは特徴抽出・追跡・地図構築が不安定 - これらを解決する新規システム

2. 先行研究と比べてどこがすごい?

- 最近の代表的なSLAMシステムと比較 - AirSLAMやDROID-SLAMを上回る - ロバスト性と精度の両方で優位 - キロメートル規模の動的熱データセットで検証 - 従来の熱SLAMの不安定さを改善 - 大規模動的環境での性能を実証

3. 技術・手法の肝は?

- 自己教師あり熱特徴学習を採用 - ステレオ二重レベル運動追跡を導入 - 幾何学的ポーズ最適化を実施 - 意味-幾何ハイブリッド制約を提案 - フレーム間幾何一貫性が弱い動的特徴を抑制 - オンライン増分bag-of-wordsモデルでループ閉じ込み検出 - グローバルポーズ最適化で累積ドリフトを軽減

4. どうやって有効だと検証した?

- キロメートル規模の動的熱データセットで実験 - 最近の代表的なSLAMシステムと比較 - AirSLAMやDROID-SLAMと比較 - ロバスト性と精度の両面で評価 - 有意な性能向上を確認 - 詳細な評価指標は要旨からは不明

5. 議論はある?

- 動的環境での熱SLAMの課題を指摘 - 特徴抽出・運動追跡・地図構築の不安定さ - 提案手法でこれらを改善 - 限界や失敗事例は要旨からは不明 - 計算コストやリアルタイム性は要旨からは不明 - 今後の課題は要旨からは不明

6. 次に読むべき論文は?

- AirSLAM - DROID-SLAM - 熱SLAMに関する関連研究 - 自己教師あり特徴学習の関連研究 - ステレオSLAMの関連研究 - ループ閉じ込み検出の関連研究

※ 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: Zeyu Jiang, Kuan Xu, Changhao Chen

分類: cs.RO, cs.CV

原文アブストラクト

Thermal cameras offer strong potential for robot perception under challenging illumination and weather conditions. However, thermal Simultaneous Localization and Mapping (SLAM) remains difficult due to unreliable feature extraction, unstable motion tracking, and inconsistent global pose and map construction, particularly in dynamic large-scale outdoor environments. To address these challenges, we propose LST-SLAM, a novel large-scale stereo thermal SLAM system that achieves robust performance in complex, dynamic scenes. Our approach combines self-supervised thermal feature learning, stereo dual-level motion tracking, and geometric pose optimization. We also introduce a semantic-geometric hybrid constraint that suppresses potentially dynamic features lacking strong inter-frame geometric consistency. Furthermore, we develop an online incremental bag-of-words model for loop closure detection, coupled with global pose optimization to mitigate accumulated drift. Extensive experiments on kilometer-scale dynamic thermal datasets show that LST-SLAM significantly outperforms recent representative SLAM systems, including AirSLAM and DROID-SLAM, in both robustness and accuracy.

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

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