论文页面 - 极简视觉惯性里程计

来源：https://huggingface.co/papers/2605.19990

摘要

一种极简视觉惯性里程计方法，利用四个带光学Gabor掩膜的光电二极管和时序卷积网络，实现了差分驱动机器人的精确平面运动估计。

视觉惯性里程计（Visual-Inertial Odometry，VIO）对于移动机器人导航至关重要，它使用具有大量像素的相机。捕获和处理相机图像需要大量资源。本文提出了一种极简的平面里程计方法，证明仅需四个视觉测量值和一个IMU就能为差分驱动机器人（differential-drive robots）提供鲁棒的运动估计。我们的关键洞察是：四个向下面对的光电二极管（photodiodes）通过光学Gabor掩膜（optical Gabor masks）感知世界，产生的信号能够编码速度。基于此，我们联合优化掩膜参数与时序卷积网络（Temporal Convolutional Network，TCN），并使用基于物理的仿真器（physically-grounded simulator）进行训练。最终模型仅从光电二极管产生的四个测量值中解码速度。将这些速度估计与IMU的角速度结合，即可得到连续的平面轨迹。我们通过安装于差分驱动机器人上的原型传感器验证了该方法。在多种室内外地形中，我们的系统无需任何真实世界微调即可紧密跟踪参考真值。我们的工作表明，极简感知能够实现高效且精确的平面里程计。

查看arXiv页面（https://arxiv.org/abs/2605.19990）查看PDF（https://arxiv.org/pdf/2605.19990）项目页面（https://cave.cs.columbia.edu/projects/categories/project?cid=Computational%20Imaging&pid=Minimalist%20Visual%20Inertial%20Odometry）GitHub4（https://github.com/pastifra/four-pixel-vio）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.19990）

在你的代理中获取这篇论文：

hf papers read 2605.19990

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

尚无模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.19990 以从此页面链接。

引用此论文的数据集0

尚无数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.19990 以从此页面链接。

引用此论文的Spaces0

尚无Space链接此论文

请在Space README.md 中引用 arxiv.org/abs/2605.19990 以从此页面链接。

包含此论文的收藏集0

尚无收藏集包含此论文

请将此论文添加到收藏集（https://huggingface.co/new-collection）以从此页面链接。