Steven Y. Ko
University at Buffalo
収録論文 6本 ・ フィジカルAI/ロボット学習
SLAMSLAM評価Visual SLAMSLAM最適化
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- SLAMSqueezeBench:リソース制約下でSLAMシステムを比較するベンチマークSLAM2026/9/17
計算・メモリ制約やフレームドロップを再現するベンチマークを開発し、古典的・学習ベース・ガウススプラッティングのSLAM9手法を比較した。
- SLAM敵対的ラボ:悪条件下での視覚SLAMロバスト性評価のための拡張可能なフレームワークSLAM評価2026/3/1
霧や雨などの悪条件下での視覚SLAMシステムの性能を評価するためのモジュール式フレームワークを提案し、データセット、摂動、SLAMアルゴリズムを分離して拡張可能にし、システムが失敗する深刻度を探索する手法を実装した。
- FastLoop: GPU加速によるビジュアルSLAMの並列ループ閉じ込みSLAM2026/3/1
ビジュアルSLAMのループ閉じ込み処理をGPUで並列化し、精度を保ちながら高速化する手法を提案した。
- TurboMap: 視覚SLAMのためのGPU高速化ローカルマッピングVisual SLAM2025/11/1
視覚SLAMのローカルマッピング処理をGPUで並列化し、地図点生成や融合、バンドル調整を高速化したバックエンドを提案。精度を保ちつつ平均1.3〜1.6倍の高速化を実現した。
- FastTrack: GPUで高速化したVisual SLAM向けトラッキングVisual SLAM2025/9/1
Visual-Inertial SLAMのトラッキング処理のうち、ステレオ特徴マッチングとローカルマップ追跡をCUDAでGPU高速化し、最大2.8倍の性能向上を実現した。
- Graphite: GPU高速化混合精度グラフ最適化フレームワークSLAM最適化2025/9/1
SLAMなどのリアルタイムアプリケーションと最適化コードを共有できるCUDA C++インターフェースを備えたGPU加速非線形最小二乗グラフ最適化フレームワークを提案し、バンドル調整でMegBAと同等の性能をメモリ削減しつつ達成、大規模最適化を最大59倍高速化した。
