GPSが使えない／劣化環境でのUAVナビゲーションに向けた頑健なビジュアルSLAM：マルチパラダイム評価とデプロイ研究

arXiv cs.RO / 2026/5/6

📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research

共有:

要点

本研究は、ORB-SLAM3、DPVO、DROID-SLAM、DUSt3R、MASt3Rの5つのビジュアルSLAMを対象に、GPSが使えない環境かつ視覚劣化条件下で、複数の方式（古典・深層学習・再帰・Vision Transformer）を体系的に比較しています。
TUM RGB-D、EuRoC MAV、UMA-VI、SubT-MRSなどの複数ベンチマークと、低照度・粉じんのもや・モーションブラー・それらの複合といった劣化条件を制御した自作単眼データセットで、Viconによるサブミリ精度の正解を用いて検証した結果、学習ベースは古典手法より大幅に頑健であることが示されました。
劣化下の精度ではMASt3Rが最小のATE（0.027 m）を達成し、追跡成功率ではDUSt3Rが最高（96.5%）となるなど、指標によって強みが異なることが分かります。
組込みUAV向けではDPVOが最良の効率と頑健性のトレードオフを示し、18.6 FPS、GPUメモリ3.1 GB、TSR 86.1%を実現したためメモリ制約のあるプラットフォームでの優先候補になります。
さらにNVIDIA Jetson上での組込みデプロイ評価を行い、SWaP（サイズ・重量・消費電力）制約下でのSLAM選定に向けた実用的な指針を提示しています。