日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

位置推定arXiv:2606.09292

GPS非依存環境でのナビゲーションのための二重クォータニオンに基づくUnscented Kalman FilterとVisual Inertial Odometry

Dual Quaternion-Based Unscented Kalman Filter with Visual Inertial Odometry for Navigation in GPS-Denied Environments

シェア:XThreadsFacebookLINEはてブBluesky

GPSが使えない環境でのナビゲーションのために、二重クォータニオンを用いた誤差状態Unscented Kalman FilterとVisual Inertial Odometryを組み合わせた手法を提案し、EuRoCデータセットで高い精度を実証した。

詳しい要約

1. どんなもの?

- 本論文は、GPS-denied環境でのナビゲーションのためのDual Quaternion-Based Unscented Kalman Filter (DQUKF)とVisual Inertial Odometry (VIO)を組み合わせたフレームワークを提案する。 - 目的は、正確な状態推定を実現し、GPSが利用できない場所でのナビゲーションを可能にすること。 - 対象はロボティクス、航空宇宙、自律車両アプリケーション。

2. 先行研究と比べてどこがすごい?

- 従来のフィルタと比較して、提案手法は高い初期化不確かさの下でも収束し、難しい飛行シーケンスで位置RMSE 0.2584 mを達成し、ベンチマークフィルタを上回る性能を示した。 - 具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は?

- DQUKFはerror state方式で定式化され、nominal poseはunit dual quaternionで表現され、local pose errorは6次元twistorパラメータ化で表現される。 - このパラメータ化はsigma point生成、covariance伝播、measurement correctionに使用される。 - VIOアルゴリズムは画像フレーム間で特徴を追跡し、IMUとカメラの測定を同期し、慣性伝播を補完する視覚的制約を提供する。

4. どうやって有効だと検証した?

- EuRoC MAVデータセット上でのシミュレーション結果により、提案手法が高い初期化不確かさの下で収束し、難しい飛行シーケンスで位置RMSE 0.2584 mを達成し、ベンチマークフィルタを上回ることを示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。関連手法として、Visual Inertial Odometry (VIO)、Unscented Kalman Filter (UKF)、Dual Quaternion、EuRoC MAV datasetが挙げられる。

※ 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: Mohamed Khalifa, Hashim A. Hashim

分類: cs.RO, eess.SY

原文アブストラクト

Reliable navigation in GPS-denied environments remains a fundamental challenge in robotics, aerospace, and autonomous vehicle applications. This paper presents a Dual Quaternion-Based Unscented Kalman Filter (DQUKF) equipped with a Visual Inertial Odometry (VIO) algorithm for accurate state estimation enabling navigation in GPS denied locations. The proposed framework formulates the DQUKF in an error state manner, where the nominal pose is represented by a unit dual quaternion and the local pose error is represented by a 6-dimensional twistor parameterization used for sigma point generation, covariance propagation, and measurement correction. In parallel, the VIO algorithm tracks features across image frames, synchronizes measurements between the IMU and camera, and provides visual constraints that complement inertial propagation. Simulation results on the EuRoC MAV dataset show that the proposed DQUKF converges under high initialization uncertainty and achieves a position RMSE of 0.2584~m in the difficult flight sequence, outperforming the benchmark filters.

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. 2GXO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
  3. 3newmo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
  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