CUBE-LIO 榮獲機器人學研討會最優秀獎

2026年3月31日

Panasonic Advanced Technology Corporation 的研究成果「CUBE-LIO」在機器人學研討會中榮獲最優秀獎。CUBE-LIO 透過利用 LiDAR 的「強度（Intensity）」資訊，並結合立方體貼圖投影、IGM 優化以及幾何與光度學的同時優化等核心技術，顯著提升了 LiDAR 慣性里程計（LIO）的精度和穩定性，超越了現有最先進的技術。

award|research|product_launchNQ 100/100出典：PR Times

📋 文章處理履歷

📰 發表: 2026年3月31日 19:30
🔍 收集: 2026年4月1日 13:39（發表後18小時9分鐘）
🤖 AI分析完成: 2026年4月17日 01:13（收集後371小時33分鐘）

Panasonic Advanced Technology Corporation（總公司：大阪府門真市，以下簡稱「本公司」）謹此宣布，本公司的研究成果「CUBE-LIO」在機器人學領域國內首屈一指的學術會議「機器人學研討會（Robotics Symposia）」中榮獲最優秀獎。本次獲獎是根據提案方法的創新性、技術妥當性、實證結果以及發表內容等綜合評估後選出的。

■獲獎概要

機器人學研討會（Robotics Symposia）是一個以嚴格的同行評審和活躍的討論為特點的機器人學領域學術會議，其中最優秀獎授予在被採納論文中特別傑出的研究。
本次獲獎的「CUBE-LIO」在利用 LiDAR 和 IMU 進行自我位置估計（LIO: LiDAR Inertial Odometry）方面，實現了相較於傳統方法的精度提升和穩定性增強，這一點獲得了高度評價。

LiDAR: Light Detection and Ranging：一種感測技術，透過發射雷射光並測量反射光返回所需的時間，以高速、高精度地測量與目標物的距離和形狀。

IMU: Inertial Measurement Unit：慣性測量單元

■ CUBE-LIO 的核心技術

本研究著重於 LiDAR 原本就具備的「強度（Intensity）」資訊。

論文中展示了以下 3 項技術貢獻：

立方體貼圖投影（Cubemap Projection）

許多傳統方法使用「等距圓柱投影（equirectangular projection）」，這會在極點附近產生嚴重的失真。

CUBE-LIO 採用將 3D 點雲投影到 6 面立方體圖像的方式。
- 大幅減少極點附近的失真
- 減少計算量（消融實驗顯示約 38〜43% 的速度提升）
- 支援固態 LiDAR
特別是在無人機向下觀測或廣角觀測的情況下，其優勢更為顯著。
IGM（Intensity Gradient Magnitude）優化

提出了一種直接優化「強度梯度（變化量）」而非原始強度值的方法。

透過此方法，可以建立對以下情況具有魯棒性的光度學約束：
- 距離變化
- 入射角變化
- 感測器雜訊
消融實驗結果顯示，IGM 優化比單純的 Intensity 優化具有明顯更高的精度。
幾何＋光度學的同時優化

在傳統的基於幾何的 LIO 基礎上，將強度梯度約束以緊密耦合（tight coupling）的方式整合。

其結果是：
- 在 ENWIDE 資料集的 10 個序列中，有 9 個超越了 COIN-LIO
- 在 MARS-LVIG 的退化環境中達到了最佳精度
- 在無特徵環境中顯著減少了漂移
因此，達成了超越現有 SOTA (State-of-the-Art) 的成果。

特別是，在長平面牆壁、低特徵環境和隧道環境中的穩定性是其重要的差異化優勢。