オフロード航法2026/4/1arXiv:2604.03096

オープンソースのLiDAR・単眼カメラ対応オフロード自律航法スタック

An Open-Source LiDAR and Monocular Off-Road Autonomous Navigation Stack

オフロード自律航法向けに、LiDARと単眼カメラの両方をサポートするオープンソースの航法スタックを提案。単眼構成では基礎モデルによる深度推定とSLAM計測を組み合わせ、頑健性を向上させた。

詳しい要約

1. どんなもの？

- LiDARと単眼カメラの両方に対応したオープンソースのオフロード自律ナビゲーションスタック。 - 単眼構成では、zero-shot depth prediction (Depth Anything V2) と sparse SLAM measurements (VINS-Mono) を組み合わせてmetric depth rescalingを行う。 - 得られた点群からrobot-centric 2.5D elevation mapを生成し、costmap-based planningに利用する。 - タスク固有の学習を必要とせず、シミュレーションと実環境で評価。

2. 先行研究と比べてどこがすごい？

- LiDARは高精度だが高コスト・高消費電力。単眼深度推定は軽量な代替だが、屋外ナビゲーションスタックへの統合は未探索だった。 - 本研究は、foundation modelによる単眼深度推定をオフロードナビゲーションに統合し、LiDAR代替としての有効性を示した。 - タスク固有の学習なしで、ほとんどのシナリオで高解像度LiDAR性能に匹敵することを示した。

3. 技術・手法の肝は？

- 単眼構成: Depth Anything V2によるzero-shot depth predictionと、VINS-Monoによるsparse SLAM measurementsを用いたmetric depth rescaling。 - ロバスト性向上のため、edge-maskingでobstacle hallucinationを低減し、temporal smoothingでSLAM不安定性の影響を緩和。 - 生成した点群からrobot-centric 2.5D elevation mapを作成し、costmap-based planningを実行。

4. どうやって有効だと検証した？

- フォトリアリスティックシミュレーション (Isaac Sim) と実世界の非構造環境で評価。 - 単眼構成がほとんどのシナリオで高解像度LiDAR性能に匹敵することを確認。 - ナビゲーションスタックとシミュレーション環境をオープンソース化し、再現可能なベンチマークを提供。

5. 議論はある？

- 単眼深度推定がLiDAR代替として実用的であることを示唆。 - ただし、SLAM不安定性やobstacle hallucinationへの対処が必要であり、edge-maskingとtemporal smoothingで改善。 - 詳細な限界や議論は要旨からは不明。

6. 次に読むべき論文は？

- Depth Anything V2 - VINS-Mono - Isaac Sim - LiDAR-based navigation stacks - Monocular depth estimation for outdoor navigation

※ 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: Rémi Marsal, Quentin Picard, Adrien Poiré, Sébastien Kerbourc'h, Thibault Toralba, Clément Yver, Alexandre Chapoutot, David Filliat

分類: cs.RO

原文アブストラクト

Off-road autonomous navigation demands reliable 3D perception for robust obstacle detection in challenging unstructured terrain. While LiDAR is accurate, it is costly and power-intensive. Monocular depth estimation using foundation models offers a lightweight alternative, but its integration into outdoor navigation stacks remains underexplored. We present an open-source off-road navigation stack supporting both LiDAR and monocular 3D perception without task-specific training. For the monocular setup, we combine zero-shot depth prediction (Depth Anything V2) with metric depth rescaling using sparse SLAM measurements (VINS-Mono). Two key enhancements improve robustness: edge-masking to reduce obstacle hallucination and temporal smoothing to mitigate the impact of SLAM instability. The resulting point cloud is used to generate a robot-centric 2.5D elevation map for costmap-based planning. Evaluated in photorealistic simulations (Isaac Sim) and real-world unstructured environments, the monocular configuration matches high-resolution LiDAR performance in most scenarios, demonstrating that foundation-model-based monocular depth estimation is a viable LiDAR alternative for robust off-road navigation. By open-sourcing the navigation stack and the simulation environment, we provide a complete pipeline for off-road navigation as well as a reproducible benchmark. Code available at https://github.com/LARIAD/Offroad-Nav.

arXivで原文を読む →arXiv概要ページ

← 論文一覧