レーダー慣性オドメトリのための等変フィルタ

- 本論文は、Radar-Inertial Odometry (RIO) のための Equivariant Filter (EqF) を提案する。 - 従来の Extended Kalman Filter (EKF) ベースの RIO は、radar と IMU の外部キャリブレーションに依存し、線形化誤差に敏感である。 - 提案手法は Lie group symmetry に基づき、ナビゲーション状態と IMU バイアスを幾何学的に結合し、radar-IMU 外部キャリブレーションと multi-state constraint updates を組み込む。 - 実世界の2種類の Uncrewed Aerial Vehicles (UAVs) での実験により、正確な外部キャリブレーション下で最先端の精度を達成し、大きなキャリブレーション誤差下でも収束が改善されることを示す。 - 評価コードはオープンソース化されている。

- 従来の EKF-RIO は、正確な外部キャリブレーションに依存し、大きな線形化誤差により性能劣化や発散を引き起こす可能性がある。 - 提案する EqF-RIO は、Lie group symmetry に基づく等変定式化により、一貫性を本質的に保持し、ロバスト性を向上させる。 - キャリブレーション状態の初期化が不十分または完全に誤っている場合でも、信頼性の高い状態推定が可能となる。 - 実世界実験で、正確なキャリブレーション下では最先端の精度を達成し、大きなキャリブレーション誤差下では従来の EKF-RIO が失敗する状況でも改善された収束を示す。

- Lie group symmetry に基づく Equivariant Filter (EqF) を RIO に適用する。 - ナビゲーション状態と IMU バイアスを幾何学的に結合する対称性を利用する。 - radar-IMU 外部キャリブレーションを状態に組み込み、multi-state constraint updates を拡張する。 - 等変定式化により、一貫性を本質的に保持し、ロバスト性を高める。 - これにより、キャリブレーション状態の初期化が悪い場合でも信頼性の高い推定が可能となる。

- 2種類の異なる Uncrewed Aerial Vehicles (UAVs) を用いた実世界実験を実施。 - 正確な外部キャリブレーション下で、提案する EqF-RIO が最先端の精度を達成することを示す。 - 大きなキャリブレーション誤差下で、従来の EKF-RIO が失敗する状況でも、EqF-RIO が改善された収束を示すことを確認。 - 評価コードはオープンソース化されている。

- 要旨からは、提案手法の限界や議論の詳細は不明。 - 従来の EKF-RIO の課題（外部キャリブレーション依存、線形化誤差への敏感さ）を克服する点が強調されている。 - 実世界実験で有効性が示されているが、計算コストや他のセンサーとの組み合わせに関する議論は要旨からは不明。

- 要旨で参照/比較されている研究：Extended Kalman Filter (EKF) ベースの Radar-Inertial Odometry (RIO)。 - 関連手法：Equivariant Filter (EqF)、Lie group symmetry を利用した状態推定。 - 同分野の定番：Radar-Inertial Odometry、Visual-Inertial Odometry、Multi-State Constraint Kalman Filter (MSCKF)。