日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

SLAMarXiv:2611.22047

SE(3)-LIVOM: 適応型マルチLiDAR慣性視覚オドメトリとマッピング

SE(3)-LIVOM: Adaptive Multi-LiDAR-Inertial-Visual Odometry and Mapping

シェア:XThreadsFacebookLINEはてブBluesky

複数のLiDAR・カメラ・IMUを統合し、シーンに応じた適応的ダウンサンプリングでリアルタイムに脚ロボットの軌跡推定と地図生成を行うシステムを提案。6つのテストシーンで平均ATE 1.40cmを達成した。

詳しい要約

1. どんなもの?

- 本論文は SE(3)-LIVOM を提案する。 - 脚式ロボットの軌跡推定を求める IROS 2026 の COMFORT Challenge で総合優勝したシステム。 - 対象は GrandTour dataset で、崩壊した建物・建設現場・雪原を含む。 - 2 台の LiDAR、1 台の camera、IMU を用いてリアルタイムに動作する odometry and mapping システム。 - 全 6 テストシーンで単一設定のまま平均 ATE 1.40 cm を達成。 - コードは https://github.com/url-kaist/se3-livom-comfort で公開。

2. 先行研究と比べてどこがすごい?

- ベースとなる SE(3)-LIO を複数 LiDAR と camera に拡張した点が特徴。 - 単一の設定で全シーン(崩壊建物・建設現場・雪原)に対応できる点を示す。 - Adaptive downsampling により、シーン内・シーン間で 1 scan あたり約 35 ms を維持。 - 具体的な先行研究との定量比較は要旨からは不明。

3. 技術・手法の肝は?

- frontend は SE(3)-LIO を複数 LiDAR と camera へ拡張した構成。 - Adaptive downsampling により処理時間を 1 scan 約 35 ms に保つ。 - online backend で drift を補正する。 - submaps 上の plane bundle adjustment。 - incremental pose graph。 - 単一設定で多様なシーンに対応する設計。

4. どうやって有効だと検証した?

- IROS 2026 の COMFORT Challenge、GrandTour dataset の 6 テストシーンで評価。 - 全シーンで単一設定を用い、平均 ATE 1.40 cm を達成。 - 処理時間は 1 scan あたり約 35 ms をシーン内・シーン間で維持。 - 詳細な比較対象や ablation は要旨からは不明。

5. 議論はある?

- 単一設定で多様なシーンに適応できる点とリアルタイム性が主張されている。 - 崩壊建物・建設現場・雪原といった難シーンでの頑健性が示唆される。 - 限界や失敗ケース、計算資源の詳細は要旨からは不明。 - ベースラインとの比較議論の有無は要旨からは不明。

6. 次に読むべき論文は?

- SE(3)-LIO(本手法の frontend の基礎)。 - plane bundle adjustment および incremental pose graph に関する研究。 - GrandTour dataset および COMFORT Challenge の関連論文。 - 複数 LiDAR を用いる LiDAR-inertial odometry の関連手法(一般名)。

※ 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: Gunhee Shin, Seungjae Lee, Daebeom Kim, Seoyeon Jang, Hyun Myung

分類: cs.RO

原文アブストラクト

This paper presents SE(3)-LIVOM, the overall winner of the COMFORT Challenge at IROS 2026. The challenge asks for the trajectory of a legged robot in the GrandTour dataset, whose scenes include collapsed buildings, construction sites and snowfields. SE(3)-LIVOM runs in real time on two LiDARs, one camera and an IMU. Its frontend extends SE(3)-LIO to multiple LiDARs and a camera. Adaptive downsampling keeps the time per scan near 35 ms within and across scenes. An online backend corrects drift with a plane bundle adjustment over submaps and an incremental pose graph. With a single configuration for all scenes, the system reaches an average ATE of 1.40 cm on the six test scenes. The code is available at https://github.com/url-kaist/se3-livom-comfort.

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. 3パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  4. 4SoftBank主導、Agile Robotsが5億ドル調達 NVIDIAと日立も参加資金調達
  5. 5パナソニックHD、「現場起点のPhysical AI」の研究開発加速を発表研究・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