Minimalist Visual Inertial Odometry

Visual-Inertial Odometry(VIO), which is critical to mobile robot navigation, uses cameras with a large number of pixels. Capturing and processing camera images requires significant resources. This work presents a minimalist approach to planar odometry, demonstrating that just four visual measurements and an IMU can provide robust motion estimation for differential-drive robots. Our key insight is that four downward-facing photodiodes that sense the world through optical Gabor masks produce signals that encode speed. Based on this, we jointly optimize the mask parameters alongside a Temporal Convolutional Network (TCN) using a physically-grounded simulator. The resulting model decodes speed from just the four measurements produced by the photodiodes. Pairing these estimates with the angular speed from an IMU yields a continuous planar trajectory. We validate our approach with a prototype sensor mounted on a differential drive robot. Across diverse indoor and outdoor terrains, our system closely tracks the reference ground truth without any real-world fine-tuning. Our work shows that minimalist sensing enables efficient and accurate planar odometry.

📋 한 줄 요약

**[Visual-Inertial Odometry / Minimalist Sensing]** 4개 photodiode + Gabor mask + IMU만으로 differential-drive 로봇의 planar odometry — TCN과 mask 파라미터를 simulator로 joint 학습, 실내·실외 다양 지형에서 real-world fine-tuning 없이 ground truth 추적.

🎯 핵심 기여도

VIO가 모바일 로봇 항법에 critical이지만 대량 픽셀 카메라가 capture·처리에 significant resource를 요구함을 지적.
Minimalist 접근 — 단 4개 visual measurement와 IMU만으로 differential-drive 로봇의 robust motion estimation 가능함을 시연.
핵심 통찰 — optical Gabor mask로 세상을 sense하는 4개 downward-facing photodiode가 speed를 encode하는 신호를 생성.
Mask 파라미터를 TCN(Temporal Convolutional Network)과 함께 physically-grounded simulator로 joint 최적화 — 4개 측정에서 speed decode, IMU 각속도와 페어링해 continuous planar trajectory.

💡 핵심 아이디어

모바일 로봇 planar odometry는 픽셀 군이 필요하다는 통념과 달리 optical Gabor mask를 통해 sense하는 4개 photodiode 신호로도 speed를 encode할 수 있으며, mask 디자인과 TCN을 simulator로 함께 학습하면 minimalist sensing으로 robust planar motion estimation이 가능하다.

🔬 기술적 접근법

**방법론**: Minimalist VIO — 4 photodiode + Gabor mask + IMU + TCN.
**핵심 기법**: (1) 4개 downward-facing photodiode + optical Gabor mask, (2) Photodiode 신호로 speed encoding, (3) Mask 파라미터와 TCN을 physically-grounded simulator로 jointly 최적화, (4) 4개 measurement에서 speed decode, (5) IMU 각속도와 pair해 continuous planar trajectory 구성·실 prototype 검증.

📊 주요 결과

실 prototype sensor를 differential-drive 로봇에 mount해 검증.
다양 indoor·outdoor 지형에서 reference ground truth를 closely 추적.
Real-world fine-tuning 없이 동작.
Minimalist sensing이 efficient·accurate planar odometry를 enable함 입증.

💭 의의 및 한계

**의의**: 로봇 sensing의 minimalist 패러다임 — resource·cost·전력 절감, simulator에서 mask·network 공동 최적화의 design 패턴, real-world fine-tuning 없이 sim-to-real. **한계**: Planar(2D) 동작에 한정·3D motion 미커버, differential-drive 로봇·downward-facing 가정, 매우 다양 광학·노이즈 환경에서의 robustness는 추가 검증.

🚀 실용적 활용

저전력·저자원 모바일 로봇 항법.
청소·warehouse·드론(평면) 로봇.
Sensor-network 공동 설계 일반 방법론.