PyTorchKR Papers

최신 논문

총 5편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.03283v1cs.RO

HexVIO: 상용 DSP를 활용한 하루 종일 지속 가능한 스테레오-관성 트래킹을 향하여

HexVIO: Towards All-Day Stereo-Inertial Tracking Through Commodity DSPs

기기가 주변 환경 내에서 스스로의 위치를 파악(localize)하는 능력은 공간 컴퓨팅(spatial computing)을 위한 필수적인 전제 조건입니다. 시각-관성 주행 거리 측정(VIO, Visual-inertial odometry)은 이 작업에 있어 비용 효율적이면서도 정확한 해결책임이 입증되었습니다. 효율적인 VIO 구현은 발열이 적고 더 가벼우며 저렴한 기기를 가능하게 하고 배터리 수명을 늘리며 사용자 경험을 향상시킬 수 있으므로 로봇, 웨어러블, XR 기기, 드론 등에서 큰 이점을 얻을 수 있습니다. 본 연구에서는 현대의 많은 스마트폰과 XR 기기에 탑재되어 있는 상용 코프로세서인 Hexagon DSP를 활용하여 VIO 시스템의 효율성을 향상시키는 방안을 제안합니다. 제안하는 접근법은 백엔드는 메인 CPU에 유지하면서 스테레오-관성 주행 거리 측정 시스템의 시각 프론트엔드를 DSP로 오프로드(offload)합니다. DSP 아키텍처에 맞게 구현을 최적화함으로써 CPU 단독 실행 대비 전력 소비와 지연 시간(latency)을 크게 줄였습니다. 본 연구의 시스템인 HexVIO는 상용 스마트폰에서 전력 소비를 67% 절감하거나 처리량(throughput)을 86% 증가시킬 수 있음을 입증하였으며, 0.83 W의 전력으로 실시간 30 fps 트래킹을 장시간 유지할 수 있어 테스트 기기 기준으로 약 18시간 동안 트래킹이 가능합니다. 이러한 결과는 로보틱스 및 모바일 기기에서 하루 종일 지속 가능한 시각-관성 트래킹을 구현하는 데 있어 상용 DSP의 잠재력을 잘 보여줍니다.

arXiv:2609.27702v1cs.RO

DAVIO: 피드포워드 초기화와 포즈 조건 매핑을 갖춘 밀집 단안-관성 SLAM

DAVIO: Dense Monocular-Inertial SLAM with Feed-Forward Initialization and Pose-Conditioned Mapping

카메라와 IMU는 메트릭 국소화와 밀집 매핑을 위한 최소 센서 구성이지만, 고전적인 시각-관성 필터는 시작하기 전에 시차를 기다려야 하며 이후에는 희소 랜드마크만 유지한다. 반면 피드포워드 기하 모델은 소수의 이미지로부터 밀집 구조를 예측하지만, 메트릭 스케일도 중력 방향도 제공하지 않는다. 우리는 시작과 매핑 모두에 단일 다중 시점 깊이 모델 Depth Anything~3을 사용하는 DAVIO를 제안한다. 초기화 시 5장 이미지 윈도우와 사전 적분된 IMU 측정값이 특징점 없는 선형 시스템을 구성한다. 견고하고 조건 수를 검사한 해는 버퍼링된 재생을 통해 VIO 필터를 부트스트랩한다. 추적 중에는 필터의 메트릭 포즈가 깊이 모델을 조건화한다. 잔여 스케일은 시선 방향에 대해서만 보정되어 메트릭 카메라 베이스라인을 보존하며, 드리프트 게이트 재방문을 갖춘 중력 보존 서브맵 그래프가 맵을 정제한다. EuRoC에서 DAVIO는 동일한 포즈가 주어진 SOTA 피드포워드 매퍼보다 현저히 빨리 시작하고, 국소화 오차를 줄이며, 더 정확하게 매핑한다. 건물 규모 ORI 시퀀스에서 DAVIO는 동일한 오도메트리에서 SOTA 매퍼와 동등하거나 더 나으며, GT 포즈를 실제 오도메트리로 대체할 때 훨씬 적게 저하된다. 실시간 밀집 메트릭 SLAM 시스템인 DAVIO의 코드를 커뮤니티에 공개한다.

arXiv:2607.23755v1cs.CV

DAP-Pose: 강건한 포즈 추정을 위한 심층 시간 정렬 및 물리 인식 교차 모달 센서 퓨전

DAP-Pose: Deep Temporal Alignment and Physics-aware Cross-modal Sensor Fusion for Robust Pose Estimation

복잡한 환경에서 자율주행차와 이동 로봇 시스템을 위해 다중 모달 센서를 이용한 강건하고 정확한 포즈 추정은 근본적으로 중요하다. 본 논문에서는 강건한 다중 모달 포즈 추정을 위한 통합 end-to-end 모델인 DAP-Pose를 제안한다. DAP-Pose는 시각, 관성, GNSS 측정값으로부터 상보적인 의미적 및 기하학적 움직임 단서를 포착하는 이중 수준 교차 모달 퓨전(Bi-level Cross-modal Fusion, BCF) 모듈을 도입한다. 시간 오프셋을 처리하기 위해, 잠재 공간에서 비동기 스트림을 명시적으로 정렬하여 엄격한 하드웨어 동기화 없이도 일관된 움직임 모델링을 가능하게 하는 심층 시간 정렬(Deep Temporal Alignment, DTA) 모듈을 설계했다. 또한, 매니폴드 기하학과 GNSS 기반 절대 메트릭 스케일을 통해 물리 인식 제약을 통합하여 움직임 일관성을 강제하고 드리프트를 완화한다. 공개 KITTI 벤치마크 데이터셋에서 DAP-Pose의 성능을 기존 방법들과 비교 평가하기 위한 실험을 수행했다. DAP-Pose는 최신(state-of-the-art) 성능을 달성했으며, 평균 변위 오차($t_{rel}$) 1.31%, 회전 오차($r_{rel}$) 0.46$^{\circ}$로 가장 낮은 수치를 기록했다. 또한, 인위적으로 주입된 심각한 시간 불일치 하에서도 포즈를 정확하게 추정하고 강건한 성능을 유지한다.

arXiv:2607.07737v1cs.RO

SASGeo: GNSS 불가 환경 UAV를 위한 안정성 인식 의미론적 지도 위치추정 — 프레임워크 및 합성 개념 증명

SASGeo: Stability-Aware Semantic Map Localization for GNSS-Denied UAVs -- A Framework and Synthetic Proof of Concept

GNSS 불가 환경의 UAV를 위한 의미론적 지도 위치추정 프레임워크 SASGeo를 제안하며, 도로·건물·수로 등 영속적 구조물의 안정성과 변별력을 결합한 래스터 정합, 관계형 그래프 검증, 무결성 인식 기각 메커니즘을 통합한다. 220회의 합성 검색 실험에서 공간 의미론적 정합 변형들이 Recall@1 기준 94.5–95.5%를 달성하며, 계절·조명·시점 변화에 취약한 원시 외관 기반 방식 대비 구조화된 의미론적 기하학의 유효성을 입증하였다.

arXiv:2606.19067v1cs.RO

센서 구성의 중요성: 사족 보행 로봇에서의 멀티모달 SLAM에 대한 체계적 평가

Sensor Configuration Matters: A Systematic Evaluation of Multimodal SLAM on Quadruped Robots

다양한 환경에서 사족 보행 로봇의 자율 주행은 근본적으로 강인한 동시 위치 추정 및 지도 작성(SLAM)에 의존합니다. 비주얼-관성 SLAM은 차륜형, 휴대형, 비행 플랫폼에서 성숙해졌지만, 하드웨어 수준의 센서 구성이 보행 이동의 격렬한 동역학 하에서 성능에 어떤 영향을 미치는지에 대한 중요한 평가 공백이 여전히 존재합니다. 사족 보행 로봇은 발 착지 충격, 고주파 기계 진동, 급격한 각도 회전을 포함하여 표준 인식 파이프라인을 저하시키는 본체 특유의 감각적 문제를 야기합니다. 이러한 공백을 해결하기 위해, 우리는 ANYmal D 사족 보행 로봇에서 기록된 GrandTour 데이터셋을 사용하여 최첨단 비주얼, 비주얼-관성, 라이다-비주얼-관성 SLAM 방법들의 체계적 평가를 제시합니다. 우리는 카메라 모달리티, 셔터 기술, 관성 센서 등급의 영향을 분리하고 정량화하여, 위치 추정 정확도, 알고리즘 강건성, 연산 자원 활용 측면에서의 상충 관계를 분석합니다. 실증적 발견에 따르면 하드웨어 선택이 시스템 강인성에 상당한 영향을 미치는 것으로 나타났습니다: 스테레오 구성은 단안 및 RGB-D 모달리티를 일관되게 능가하며, 글로벌 셔터 카메라는 롤링 셔터 카메라에 비해 운동 유발 추적 실패를 상당히 완화합니다. 무엇보다 중요한 점은, 표준 관성 통합이 가혹한 보행 이동 환경에서 주로 비전 기반 프레임워크의 성능을 저하시킬 수 있다는 것입니다. 이러한 통찰은 또한 민첩한 보행 시스템에서 신뢰할 수 있는 인식을 달성하기 위해 맞춤형 센서 페이로드를 조정하는 구체적인 설계 가이드라인을 제공합니다.