X-IONet：歩行者および脚型ロボット向けのクロスプラットフォーム慣性オドメトリ・ネットワーク

要旨: 学習ベースの慣性オドメトリは、人間の歩行者ナビゲーションにおいて目覚ましい進歩を遂げてきました。しかし、これらの手法を四足歩行ロボットへ拡張することは、それらの特有で非常にダイナミックな運動パターンのため、依然として困難です。歩行者データで良好に機能するモデルは、脚式プラットフォームに展開すると深刻な性能劣化を起こすことがしばしばあります。この課題に取り組むために、我々は、単一の慣性計測ユニット（IMU）のみを用いて動作するクロスプラットフォーム慣性オドメトリフレームワークであるX-IONetを提案します。X-IONetは、ルールベースの専門家選択モジュールを組み込み、運動プラットフォームを分類し、IMU系列をプラットフォーム固有の専門家ネットワークへと振り分けます。変位予測ネットワークは、長い時間的依存関係と軸間の相関を共同でモデル化するデュアルステージの注意（attention）アーキテクチャを備えており、正確な運動表現を可能にします。ネットワークは変位と、それに関連する不確かさの両方を出力し、さらに拡張カルマンフィルタ（EKF）を通じて統合することで、頑健な状態推定を実現します。公開されているRoNIN歩行者データセット、GrandTour四足歩行データセット、および自己収集したGo2四足歩行データセットに対する大規模な実験により、X-IONetが最先端の性能を達成し、RoNINではATEとRTEをそれぞれ14.3%と11.4%削減し、GrandTourでは11.8%と9.7%削減し、Go2では52.8%と41.3%削減することを示します。これらの結果は、X-IONetが人間および脚式ロボットの両方のプラットフォームにおいて、正確で頑健な慣性ナビゲーションに有効であることを裏付けています。