X-IONet: 歩行者および歩行ロボットのためのクロスプラットフォーム慣性測位ネットワーク

arXiv:2511.08277v2 発表タイプ: cross-replace 要約：学習に基づく慣性測位は歩行者ナビゲーションにおいて著しい進歩を遂げた。しかし、これらの手法を四足歩行ロボットへ拡張するには、その特有かつ高度に動的な運動パターンによる課題が存在する。歩行者データで優れているモデルは、四足プラットフォームに導入されると性能が著しく低下する傾向がある。この課題に対処するため、単一の慣性測定装置（IMU）のみを用いて動作するクロスプラットフォーム慣性測位フレームワーク、X-IONet を提案する。X-IONet は、運動プラットフォームを分類し、IMU シーケンスをプラットフォーム固有の専門家ネットワークへとルートを決定するルールベースの専門家選定モジュールを備えている。移動距離予測ネットワークは、時系列的な長期依存性と軸間の相関を同時にモデル化する二段階アテンションアーキテクチャを採用しており、正確な運動表現を実現する。さらに、移動距離と相関する不確実性を出力し、拡張カルマンフィルター（EKF）を通じて統合することで頑健な状態推定を行う。公開の RoNIN 歩行者データセット、GrandTour 四足データセット、および自ら収集した Go2 四足データセットに対する大規模実験により、X-IONet が最先進の性能を達成していることが示された。RoNIN では ATE および RTE をそれぞれ 14.3% と 11.4% 削減、GrandTour ではそれぞれ 11.8% と 9.7% 削減、Go2 ではそれぞれ 52.8% と 41.3% 削減を達成した。これらの結果は、X-IONet が人間と四足ロボット両方のプラットフォームにおいて、正確かつ頑健な慣性測位が可能であることを示している。

arXiv:2511.08277v2 Announce Type: replace-cross Abstract: Learning-based inertial odometry has achieved remarkable progress in pedestrian navigation. However, extending these methods to quadruped robots remains challenging due to their distinct and highly dynamic motion patterns. Models that perform well on pedestrian data often experience severe degradation when deployed on legged platforms. To tackle this challenge, we introduce X-IONet, a cross-platform inertial odometry framework that operates solely using a single Inertial Measurement Unit (IMU). X-IONet incorporates a rule-based expert selection module to classify motion platforms and route IMU sequences to platform-specific expert networks. The displacement prediction network features a dual-stage attention architecture that jointly models long-range temporal dependencies and inter-axis correlations, enabling accurate motion representation. It outputs both displacement and associated uncertainty, which are further fused through an Extended Kalman Filter (EKF) for robust state estimation. Extensive experiments on the public RoNIN pedestrian dataset, the GrandTour quadruped dataset, and a self-collected Go2 quadruped dataset demonstrate that X-IONet achieves state-of-the-art performance, reducing ATE and RTE by 14.3% and 11.4% on RoNIN, 11.8% and 9.7% on GrandTour, and 52.8% and 41.3% on Go2. These results highlight X-IONet's effectiveness for accurate and robust inertial navigation across both human and legged robot platforms.