LIN-SLAM：実時間オンボードナビゲーションのための軽量LiDAR慣性ニューラルSLAM

- LiDAR--inertial SLAM と neural implicit SLAM を組み合わせたハイブリッド手法 LIN-SLAM を提案。 - 高レートの幾何 LiDAR--inertial 推定と neural implicit tracking、continual mapping、global refinement を統合。 - リアルタイム onboard SLAM を目的とした軽量システム。

- 幾何 LiDAR--inertial SLAM は効率的だが連続地図表現と global refinement に欠ける。 - neural implicit SLAM は計算コストが高い。 - LIN-SLAM は両者を統合し、評価した state-of-the-art の幾何・neural implicit 手法の中で最低の overall mean ATE を達成。 - 既存 neural implicit SLAM より runtime を大幅削減。 - モバイルロボット上でリアルタイム online 動作を実現した初の LiDAR--inertial SLAM with neural implicit backend と主張。

- 高レートの幾何 LiDAR--inertial estimation と neural implicit tracking を結合。 - continual mapping と global refinement を組み込む。 - 軽量設計によりリアルタイム onboard 動作を可能にする。 - 詳細なアルゴリズムは要旨からは不明。

- 32-, 64-, 128-channel LiDAR 構成を含む 3 datasets の 12 representative sequences で評価。 - 評価した state-of-the-art の幾何・neural implicit 手法の中で最低の overall mean ATE を達成。 - 既存 neural implicit SLAM より runtime を大幅削減。 - Unitree Go2 に NVIDIA Jetson Orin NX と 16-channel LiDAR を搭載し、1.47-km の屋内軌道でリアルタイム localization と neural mapping を維持。 - endpoint closure error は 0.141 m。

- 要旨からは不明。

- 要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として LiDAR--inertial SLAM (例: LIO-SAM, FAST-LIO) や neural implicit SLAM (例: iMAP, NICE-SLAM) が挙げられる。