日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
SLAMarXiv:2610.21199

LIN-SLAM：実時間オンボードナビゲーションのための軽量LiDAR慣性ニューラルSLAM

LIN-SLAM: Lightweight LiDAR--Inertial Neural SLAM for Real-Time Onboard Navigation

シェア:XThreadsFacebookLINEはてブBluesky

LiDAR慣性計測とニューラル暗黙表現を組み合わせ、軽量かつリアルタイムで動作するSLAMシステムを提案。移動ロボット上で高精度な位置推定と地図生成を実現した。

詳しい要約

1. どんなもの？

- LiDAR--inertial SLAM と neural implicit SLAM を組み合わせたハイブリッド手法 LIN-SLAM を提案。 - 高レートの幾何 LiDAR--inertial 推定と neural implicit tracking、continual mapping、global refinement を統合。 - リアルタイム onboard SLAM を目的とした軽量システム。

2. 先行研究と比べてどこがすごい？

- 幾何 LiDAR--inertial SLAM は効率的だが連続地図表現と global refinement に欠ける。 - neural implicit SLAM は計算コストが高い。 - LIN-SLAM は両者を統合し、評価した state-of-the-art の幾何・neural implicit 手法の中で最低の overall mean ATE を達成。 - 既存 neural implicit SLAM より runtime を大幅削減。 - モバイルロボット上でリアルタイム online 動作を実現した初の LiDAR--inertial SLAM with neural implicit backend と主張。

3. 技術・手法の肝は？

- 高レートの幾何 LiDAR--inertial estimation と neural implicit tracking を結合。 - continual mapping と global refinement を組み込む。 - 軽量設計によりリアルタイム onboard 動作を可能にする。 - 詳細なアルゴリズムは要旨からは不明。

4. どうやって有効だと検証した？

- 32-, 64-, 128-channel LiDAR 構成を含む 3 datasets の 12 representative sequences で評価。 - 評価した state-of-the-art の幾何・neural implicit 手法の中で最低の overall mean ATE を達成。 - 既存 neural implicit SLAM より runtime を大幅削減。 - Unitree Go2 に NVIDIA Jetson Orin NX と 16-channel LiDAR を搭載し、1.47-km の屋内軌道でリアルタイム localization と neural mapping を維持。 - endpoint closure error は 0.141 m。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究や関連手法は明示されていない。 - 同分野の定番として LiDAR--inertial SLAM (例: LIO-SAM, FAST-LIO) や neural implicit SLAM (例: iMAP, NICE-SLAM) が挙げられる。

※ 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: Shiqi Che, Yijie Liu, Shuo Wang, Wenxin Liu

分類: cs.RO

原文アブストラクト

Geometric light detection and ranging (LiDAR)--inertial simultaneous localization and mapping (SLAM) provides efficient state estimation but lacks the continuous map representation and global refinement capabilities of neural implicit SLAM, while neural implicit methods remain computationally expensive. We propose Lightweight LiDAR--Inertial Neural SLAM (LIN-SLAM), a hybrid method that couples high-rate geometric LiDAR--inertial estimation with neural implicit tracking, continual mapping, and global refinement for accurate real-time onboard SLAM. Experiments on twelve representative sequences from three datasets spanning 32-, 64-, and 128-channel LiDAR configurations show that LIN-SLAM achieves the lowest overall mean absolute trajectory error (ATE) among the evaluated state-of-the-art geometric and neural implicit methods, while substantially reducing runtime compared with existing neural implicit SLAM methods. On a Unitree Go2 equipped with an NVIDIA Jetson Orin NX and a 16-channel LiDAR, LIN-SLAM sustains real-time localization and neural mapping over a 1.47-km indoor trajectory through challenging repetitive corridor environments, with an endpoint closure error of only 0.141~m. To the best of our knowledge, LIN-SLAM is the first LiDAR--inertial SLAM system with a neural implicit backend to achieve real-time online operation on a mobile robotic platform while maintaining state-of-the-art localization accuracy. The code will be released upon acceptance.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI