CFEAR-Teach-and-Repeat: 高速かつ高精度なレーダーのみによる位置推定

- 単一の回転式radarを用いたteach-and-repeat型のlocalizationパイプライン「CFEAR-TR」を提案。 - 悪天候下でも光センサが失敗する状況に対応し、軽量で展開容易な自律ナビゲーションを目指す。 - 事前マップとしてteach走行で取得したscanをpose graphに保存し、localization時に走査する。 - ライブscanを保存scanと最近のライブkeyframeのsliding windowの両方に同時に位置合わせする。 - radar scanはDoppler補償された計測から計算された疎なoriented surface pointsで表現される。

- 従来のstate of the artと比較して、Boreas datasetのheld-out test sequencesで最大63%の精度改善を達成。 - 精度は0.117 m、0.096°に達し、特にheading estimationでlidarレベルのlocalizationに大きく近づいた。 - 29 Hzで効率的に動作し、悪天候や季節変化に対して堅牢なpose estimationを実現。 - 単一radarのみで動作し、軽量で展開が容易な設計。

- ライブscanをteachマッピングパスからの保存scanと、最近のライブkeyframeのsliding windowの両方に同時に位置合わせするjoint alignment。 - radar scanをDoppler補償された計測から計算された疎なoriented surface pointsで表現。 - マップはpose graphとして保存され、localization中に走査される。 - これにより異なる季節や気象現象下でも正確で堅牢なpose estimationを実現。

- Boreas datasetのheld-out test sequencesを用いて評価。 - localization精度が0.117 m、0.096°に達し、従来のstate of the artから最大63%の改善を確認。 - 29 Hzでの効率的な動作を実証。 - 特にheading estimationでlidarレベルのlocalizationに大きく近づいたことを示す。

- 悪天候下での光センサの失敗に対応するradar-only localizationの有効性を示す。 - 精度と効率の両面で従来手法を上回り、lidarレベルに近づいたが、完全なlidar同等ではない。 - 季節や気象現象を跨いだ堅牢性が確認されたが、更なる改善の余地がある。 - C++実装がコミュニティに公開され、再現性と実用性が向上。

- 要旨で参照/比較されている研究: 従来のstate of the art（具体的名称は要旨からは不明）。 - 関連手法: lidar-based localization、teach-and-repeat localization、radar odometry。 - 同分野の定番: Boreas datasetを用いたradar localization研究、CFEAR（radar scan matching手法）。