UNRIO: レーダー慣性オドメトリにおける不確実性を考慮した速度学習
arXiv cs.RO / 2026/4/16
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- UNRIOは、不確実性を考慮したレーダー慣性オドメトリ手法であり、処理済みの点群や手作りのDSPパイプラインに頼るのではなく、生のmmWaveレーダーIQ信号（4次元スペクトルキューブ）からエゴ速度を直接予測します。
- 本手法は、GRTアーキテクチャに基づくトランスフォーマー型ニューラルネットワークを用いて、角度ビンごとに直接の線形速度推定、またはドップラー速度マップのいずれかを出力します。
- UNRIOは3段階で学習されます。すなわち、幾何学的な事前学習（LiDAR投影深度）、速度／ドップラーの微調整、および負の対数尤度損失による不確実性キャリブレーションで、予測と併せて不確実性推定を生成します。
- その後、予測された不確実性はスライディングウィンドウのポーズグラフに伝播され、レーダー速度ファクタをIMUのプリエマプリケーション（事前積分）計測と融合します。
- IQ1Mデータセットでの実験では、ほとんどのシーケンスで相対姿勢誤差が最小となり、特に、点群が疎になることで従来の推定器が影響を受けやすい横方向運動の軌跡において、古典的なDSPベースラインに対する顕著な改善が見られます。
