AMB3R-SLAM: 階層型バックエンドによるキロメートル規模SLAM

- 単眼SLAMシステム「AMB3R-SLAM」を提案。 - 単一のコンシューマGPUで10kフレーム、キロメートル規模の軌跡をリアルタイム再構成可能。 - 低遅延オンライントラッキング用の軽量フロントエンドと、局所・中間・大域の一貫性を段階的に強制する階層的バックエンドを結合。 - 静的環境仮定に依存するbundle adjustmentを回避し、動的シーンにも対応。 - stereo、RGB-D、LiDAR入力への拡張も可能。

- 従来のstate-of-the-art手法と比較して、VBRとOxford Spiresデータセットで絶対軌跡誤差（ATE）を70%以上削減。 - LiDAR入力を追加すると、KITTIとVBRでATEをサブメートルレベルまで低減。 - 単一のコンシューマGPUでキロメートル規模の軌跡をリアルタイム再構成できる点が優れている。 - 静的仮定に基づくbundle adjustmentを避けることで、動的シーンを自然に扱える。

- 軽量フロントエンドで低遅延オンライントラッキングを実現。 - 階層的バックエンドが局所、中間、大域の一貫性を段階的に強制。 - 静的仮定に依存するbundle adjustmentを回避。 - stereo、RGB-D、LiDARを追加入力として活用可能な拡張性。

- 9つのデータセットでカメラトラッキング性能を評価。 - VBRとOxford Spiresで従来のstate-of-the-art手法よりATEを70%以上削減。 - LiDAR入力を追加するとKITTIとVBRでATEがサブメートルレベルに到達。 - 単一のコンシューマGPUで10kフレーム、キロメートル規模の軌跡をリアルタイム再構成できることを実証。

- 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：VBR、Oxford Spires、KITTIデータセット、bundle adjustment、state-of-the-art SLAM手法。