StreamRig: リグ内幾何を活用したストリーミング多カメラオドメトリ

- モバイルロボットや車両に搭載された同期 multi-camera rig 向けの streaming odometry フレームワーク。 - 凍結した multi-view 3D foundation model を front-end として利用し、rig calibration を活用して同期視点を jointly に知覚。 - Rig-Resampler で特徴を圧縮、CausalBridge で causal attention と key-value cache を適用、軽量 head で rig pose を回帰。 - 定期的な re-anchoring protocol により長いシーケンスでも安定した pose 推定を実現。 - 学習対象はこれらのモジュールのみで合計 74.6M parameters、相対 pose のみを supervision とする。

- 多くの streaming 3D foundation model は monocular 入力向けに設計されており、rig geometry の効率的利用が課題だった。 - StreamRig は frozen multi-view 3D foundation model 上で calibrated rig の causal streaming odometry を構築。 - 評価した non-oracle monocular streaming モデルや rig-aware offline モデルよりも、4 データセットすべてで translation/rotation drift が低い。 - 推論コストも低く抑えている点が先行研究と比べて優位。

- freeze-and-stream フレームワーク：frozen front-end が rig calibration を用いて同期視点を jointly に知覚。 - Rig-Resampler が特徴を圧縮し、CausalBridge が causal attention と key-value cache を適用。 - 軽量 head が rig pose を回帰し、periodic re-anchoring protocol が長期安定性を支える。 - 学習はこれらのモジュールのみ（74.6M parameters）で、相対 pose のみを supervision に使用。 - 二段階学習戦略：group relocalization pretraining と causal rig training を組み合わせ、frozen front-end の幾何 prior と pretrained modules の alignment 能力を streaming odometry に転移。

- NCLT、TartanGround、KITTI-360、および自収集 humanoid-robot dataset ZJH で評価。 - 学習は simulation のみで行い、実世界評価は zero-shot。 - 4 データセットすべてで、評価した non-oracle monocular streaming モデルおよび rig-aware offline モデルより translation/rotation drift が低い。 - 推論コストが低いことも確認。 - Ablations と controlled camera-count 実験で性能向上の要因を特定し、長い training window が長期間推論に与える影響も検討。

- Ablations と controlled camera-count 実験により、性能向上の要因を分析。 - 長い training window が長期間推論に与える影響を検討。 - 具体的な議論の内容や限界については要旨からは不明。

- 要旨で参照/比較されている研究：non-oracle monocular streaming モデル、rig-aware offline モデル。 - 関連手法：multi-view 3D foundation model、causal attention with key-value cache、group relocalization pretraining。 - 同分野の定番：visual odometry、multi-camera SLAM、streaming 3D foundation model。