日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

慣性オドメトリarXiv:2606.02996

MARIO: 動作拡張によるリアルタイム多センサ慣性オドメトリ

MARIO: Motion-Augmented Real-Time Multi-Sensor Inertial Odometry

シェア:XThreadsFacebookLINEはてブBluesky

慣性計測ユニット(IMU)のみを用いた慣性オドメトリに、学習されたIMU推定ポーズ事前分布を統合し、人間の運動学的制約を課すことでドリフトを低減する手法を提案。さらに、市販ARグラスに搭載された磁力計や気圧計などの補助センサを融合し、位置ドリフトを最大42%削減した。

詳しい要約

1. どんなもの?

IMU のみの Inertial Odometry (IO) に、学習した IMU 推定姿勢 prior と軽量センサ fusion を組み合わせた MARIO を提案する研究。AR やウェアラブルでの camera-less な人間運動追跡を対象とし、Nymeria データセットで位置 drift を最大 36% 削減、magnetometer・barometer・secondary IMU を加えた fusion で最大 42% 削減する。

2. 先行研究と比べてどこがすごい?

従来の learning-based IO は大規模 human motion データセットでの pretraining により汎化性を改善したが、人間運動の dynamics を明示的に捉えず drift と noise に弱い。MARIO は IMU-inferred pose prior で human kinematics に接地し、Nymeria では先行研究より 5 倍大きいデータで評価しつつ、物理的に整合した運動制約を与える点が新しい。

3. 技術・手法の肝は?

IMU から推定した pose prior を学習し、それを既存の IO アーキテクチャに統合して物理的に整合した運動制約を課す。さらに商用 AR グラスに既存の magnetometer、barometer、secondary IMU からの補助信号を sensor-fusion framework で取り込み、長期性能と多様な運動条件への頑健性・汎化性を高める。

4. どうやって有効だと検証した?

Nymeria データセット上で評価し、pose prior 統合により位置 drift を最大 36% 削減、magnetometer・barometer・secondary IMU を含む fusion 戦略により最大 42% 削減することを示した。Nymeria は先行研究で使われたデータセットより 5 倍大きい。

5. 議論はある?

要旨からは不明。ただし、human motion kinematics と multimodal sensing を統合する新たなパラダイムを提示し、camera-less human tracking の新ベンチマークを設定すると主張している。

6. 次に読むべき論文は?

要旨で参照・比較されているのは learning-based IO 手法、Nymeria データセット、および magnetometer・barometer・secondary IMU を用いる sensor-fusion 研究。関連手法として IMU ベースの Inertial Odometry、human motion dataset での pretraining、multimodal sensor fusion を挙げる。

※ 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: Yiquan Li, Taeyoung Yeon, Chenfeng Gao, Vasco Xu, Xuanyou Liu, Karan Ahuja

分類: cs.RO, cs.CV, cs.HC

原文アブストラクト

Inertial odometry (IO) using only Inertial Measurement Units (IMUs) provides a lightweight solution for human motion tracking in augmented reality (AR) and wearable devices. Recent learning-based IO methods have improved the generalizability of inertial localization through large-scale pretraining on human motion datasets. However, these approaches remain prone to drift and noise because they do not explicitly capture human motion dynamics, especially on daily activity datasets such as Nymeria. In this work, we propose to ground inertial odometry in human kinematics through a learned IMU-inferred pose prior, which promotes physically consistent motion constraints. We integrate this pose prior into existing IO architectures and reduce positional drift by up to 36% on the challenging Nymeria dataset, which is 5x larger than datasets used in prior work. We further improve long-term performance with a sensor-fusion framework that incorporates auxiliary signals from lightweight sensors already available on commercial AR glasses, including magnetometers, barometers, and secondary IMUs. With this fusion strategy, positional drift is reduced by up to 42%, improving robustness and generalization across diverse motion conditions. Together, our results introduce a new paradigm for inertial and lightweight odometry by unifying human motion kinematics with multimodal sensing, setting a new benchmark for accurate and robust camera-less human tracking. Our website is available at https://spice-lab.org/projects/MARIO/.

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