月面自律チャレンジのためのフルスタックナビゲーション・マッピング・プランニング

- Lunar Autonomy Challenge 向けの modular な full-stack autonomy system - GNSS-denied かつ視覚的に厳しい月面環境で動作 - semantic segmentation, stereo visual odometry, pose graph SLAM with loop closures, layered planning and control を統合 - 軽量 learning-based perception models と factor-graph backend を採用 - 高レベル waypoint planning と局所 motion planning を組み合わせる

- 先行研究との具体的比較は要旨からは不明 - ただし GNSS-denied 環境で centimeter-level localization accuracy を達成 - 高忠実度 map generation と random seeds/rock distributions に対する強い repeatability を実証 - 最終 competition evaluation で first place を獲得

- semantic segmentation と stereo visual odometry を lightweight learning-based models で実現 - pose graph SLAM with loop closures を factor-graph backend で最適化し globally consistent localization を維持 - high-level waypoint planning は mapping coverage を促進し loop closures を誘発 - local motion planning は arc sampling と geometric obstacle checks による reactive control

- competition の high-fidelity lunar simulator で評価 - centimeter-level localization accuracy を確認 - high-fidelity map generation を実証 - random seeds と rock distributions に対して strong repeatability を示す - 最終 competition evaluation で first place を獲得

- 要旨からは不明 - 限界や失敗事例、計算コスト、実機への転移可能性についての議論は記述されていない

- 要旨で参照/比較されている研究は明記されていない - 関連手法として semantic segmentation, stereo visual odometry, pose graph SLAM, factor-graph optimization, arc sampling などの定番手法が挙げられる - 同分野の定番として ORB-SLAM, LIO-SAM, LeGO-LOAM などが考えられるが、要旨に直接の参照はない