CALMを保て：Assistant EyeによるVGFMsを用いた校正不要のキロメートル級SLAM

arXiv cs.RO / 2026/4/17

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、VGFＭ（Visual Geometry Foundation Models）出力に非線形の幾何歪みが含まれ得るため、サブマップ整合に単一の線形変換（Sim3/SL4など）だけを用いる手法では、キロメートル級SLAMには根本的に不十分だと主張しています。
「CAL2M（Calibration-free Assistant-eye based Large-scale Localization and Mapping）」を提案し、一定の物理的な間隔という事前知識を使う“assistant eye”によってスケール曖昧性を解消し、時間的・空間的な事前キャリブレーションなしで動作できるとしています。
CAL2Mは、特徴マッチングの前提のもとでエピポーラ（本来は両眼/カメラ幾何）に導かれた内在パラメータと姿勢の補正モデルを備え、オンラインの内在探索とファンダメンタル行列分解により、誤った内在パラメータ起因の回転・並進誤差を修正します。
ドリフトやマップ発散を抑えるために、アンカープロパゲーションに基づくグローバル整合マッピング戦略を導入し、軌跡上でアンカーを構築・融合することで、サブマップを非線形に“弾性的”へ整合しつつ、全体として一貫した再構成を可能にすると述べています。
著者らは、CAL2MのソースコードをGitHubで公開予定だと明記しています。