オドメトリ2026/9/15arXiv:2609.17198

TIO-Former：ストリーミング因果トランスフォーマによるナノUAV向け超軽量6方向ToF慣性オドメトリ

TIO-Former: Ultra-Lightweight 6-Directional ToF-Inertial Odometry for Nano-UAVs via a Streaming Causal Transformer

IMUと6つの直交8x8 ToFアレイのみを用い、ストリーミング因果トランスフォーマでナノUAVの6自由度自己位置推定を軽量・高精度に実現した。

詳しい要約

1. どんなもの？

- IMUと6つの直交する8x8 ToFアレイ(15g)のみを用いた、カメラ・オプティカルフロー・地図不要のrange-inertial odometryフレームワーク。 - nano-UAVの厳しいSWaP-C制約下での自律ナビゲーションのための正確な自己運動推定を目的とする。 - Streaming Causal Transformerにより、飛行時間に依存しない有界な推論コストとメモリを実現。

2. 先行研究と比べてどこがすごい？

- nano-UAVのオプティカルフローと比較してオープンループ位置誤差を54.4%削減。 - 学習ベースのinertial baselineと比較して66.4%〜89.1%削減。 - 視覚センサやLiDARはペイロード制限を超え、オプティカルフローは低テクスチャで劣化、inertial-onlyはドリフト蓄積という課題に対処。

3. 技術・手法の肝は？

- フロントエンドで連続するrange gridをbilateral gated differenceでペアリング。 - IMU-guided cross-attentionがプラットフォームの運動学に条件付けられた方向特徴を動的にルーティング。 - Streaming Causal Transformerが非圧縮Local KV cacheと圧縮Chunk-FIFO memoryを結合し、有界な推論コストとメモリを維持。

4. どうやって有効だと検証した？

- 実飛行評価でオープンループ位置誤差を測定。 - 複数環境での性能と、深刻なセンシング劣化下でのロバスト性を評価。 - edge RISC-V companion computerに展開し、P95レイテンシ10.466ms、ピーク常駐メモリ6.324MiB(システムRAMの5%未満)を達成。

5. 議論はある？

- 384レンジ/フレームのみからの6-DoF推定は、invalid returns、異方性観測性、時間的計算スケーリングに課題。 - スパースなレンジセンシングがリソース制約のあるマイクロ航空ロボットに実用的な幾何学的アンカーを提供することを示す。 - その他の議論は要旨からは不明。

6. 次に読むべき論文は？

- nano-UAV optical flow - learned inertial baselines - multi-zone time-of-flight (ToF) arrays - Streaming Causal Transformer - 関連手法としてvisual-inertial odometry、LiDAR odometry

※ 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: Yang Liu, Yifan He, Wenhao Zhao, Xiangyu Mo, Yang Xu, Hao Wei, Mingze Ma, Huan Li, Yifan Wu, Zipeng Dai, Xin Zhou, Fei Gao

分類: cs.RO

原文アブストラクト

Autonomous nano-UAV navigation requires accurate ego-motion estimation under stringent size, weight, power, and computing (SWaP-C) constraints, where visual sensors and LiDARs exceed payload limits, optical flow degrades in low-texture scenes, and inertial-only state estimation is susceptible to accumulated drift. While multi-zone time-of-flight (ToF) arrays provide a lightweight metric complement, 6-DoF estimation from merely 384 ranges per frame is challenged by invalid returns, anisotropic observability, and temporal computational scaling. We propose TIO-FORMER, a camera-free, optical-flow-free, and mapless range-inertial odometry framework driven by an IMU and an ultra-lightweight (15 g) payload of six orthogonal 8 x 8 ToF arrays. Our frontend pairs consecutive range grids with a bilateral gated difference, while IMU-guided cross-attention dynamically routes directional features conditioned on platform kinematics. A Streaming Causal Transformer couples an uncompressed Local KV cache with compressed Chunk-FIFO memory, maintaining bounded inference cost and memory footprint independent of flight duration. In real-flight evaluations, TIO-FORMER reduces open-loop position error by 54.4% compared to nano-UAV optical flow and by 66.4%-89.1% over learned inertial baselines. We also evaluate performance across multiple environments and robustness under severe sensing degradation. Deployed on an edge RISC-V companion computer, TIO-FORMER achieves a P95 latency of 10.466 ms and peak resident memory of 6.324 MiB (less than 5 percent system RAM), demonstrating that sparse range sensing provides practical geometric anchoring for resource-constrained micro-aerial robots. Code is available at https://github.com/Ly041021/TIO-Former.

arXivで原文を読む →arXiv概要ページ