Adaptive Neural Dynamics for Robust Geometric LiDAR-Inertial State Estimation on UAVs¶

会议: ECCV 2026
论文: https://eccv.ecva.net/virtual/2026/poster/3654
PDF: https://media.eventhosts.cc/Conferences/ECCV2026/pdfs/2394.pdf
领域: 自动驾驶 / 无人机状态估计
关键词: 激光惯性里程计、IMU偏置、神经随机微分方程、自适应门控、不确定性传播

一句话总结¶

NeuroSDE-LIO 保留 FAST-LIO2 的几何估计骨架，让运动相关的神经随机偏置模型与线性先验自适应融合，并把学习到的不确定性传入滤波器，在 UAV-Lab 上把绝对位姿误差从 2.13 米降到 1.34 米，同时维持 19.2 Hz 的 LiDAR 处理速度。

研究背景与动机¶

激光惯性里程计依靠高频 IMU 推进姿态、速度与位置，再用较低频的点云几何约束纠正累计误差。问题在于，低成本 MEMS IMU 的偏置不一定像随机游走那样缓慢、无结构地变化。无人机急转、加速和电机振动会带来与运动状态相关的非线性扰动；姿态估计一旦受陀螺偏置影响，重力补偿也会出错，继而污染速度和位置。因而，即使点到地图配准有效，预测阶段的偏置模型仍可能成为高动态飞行的瓶颈。

学习模型可以拟合这种时变行为，但单纯把随机游走换成神经 ODE 仍有两处缺口。第一，确定性的偏置变化率并不描述振动强度随运动改变的随机性，滤波器可能得到较好的均值却继续低估误差。第二，悬停等低激励阶段并不会充分暴露惯性偏置，仅靠位姿残差在线调整大网络，容易把观测不充分误当作需要更强的拟合能力。这里真正要解决的是模型表达能力、偏置可观测性与滤波置信度之间的耦合，而不是让神经网络接管整个定位系统。

本文据此保留几何约束和递归滤波，只改造惯性偏置演化及其不确定性接口。核心 idea：用运动激励调节线性先验与神经 SDE 的占比，让随机偏置模型同时提供预测与协方差信息，并把在线学习限制在可控的低维校准参数上。

方法详解¶

整体框架¶

输入是同步的 LiDAR 点云与六轴 IMU 测量，输出是连续的姿态、速度、位置、惯性偏置以及状态协方差。系统先根据近期运动选择偏置模型的混合权重，再推进随机偏置动力学和导航状态；点云到达时用几何残差完成滤波更新，残差与一致性检查又决定是否接受低维在线校准。

论文把滤波骨架称作 IEKF。理解其贡献时，更重要的是区分两条路径：偏置预测决定如何校正 IMU 均值，协方差传播决定滤波器应该多相信这次惯性预测。只接入第一条路径会遗漏本文最关键的随机性建模。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    Input["IMU 测量与<br/>当前姿态"] --> Gate["自适应混合偏置"]
    Gate --> SDE["神经随机偏置动力学"]
    SDE --> Cov["可微协方差传播"]
    Cov --> Filter["几何滤波更新<br/>状态与协方差"]
    Lidar["LiDAR 点云"] --> Filter
    Filter --> Adapt["受约束在线校准"]
    Adapt -->|更新线性分支与门控| Gate
    Filter --> Output["位姿、速度与偏置"]

关键设计¶

1. 自适应混合偏置：把低激励时的可观测性不足落实为模型选择

系统用通常为 2–5 秒的滑动窗口构造运动复杂度指标 \(C(t)\)。根据正文说明，它汇总角速度以及利用当前姿态补偿重力后的加速度激励，并通过平方范数反映运动强度。缓存中的式 (1) 运算符提取损坏，无法可靠确认各项的精确组合，因此这里不补写其完整公式，也不把它解释成已严格定义的统计方差。可以确认的是：姿态估计参与指标计算，所以门控不仅取决于 IMU 输入，也受当前几何状态的不确定性影响。

陀螺仪和加速度计各自通过平滑 sigmoid 门控得到混合权重。低复杂度时更依赖稳定的线性分支，高复杂度时提高神经分支占比；过渡斜率和阈值由门控参数控制。实验中的复杂度范围不是跨设备通用常数，而是由每套 UAV/IMU 的短静态与激烈运动校准片段确定。作者特别强调，这不是认为神经网络拟合不了简单运动，而是简单运动无法让偏置从位姿残差中充分可观测，因此线性分支相当于一个更保守的先验。

2. 神经随机偏置动力学：分别学习偏置如何变化以及变化有多不确定

对陀螺和加速度计偏置分别建模，神经漂移分支接收偏置、IMU 测量及测量导数，并结合运动上下文和残差结构描述非线性变化。与直接回归一个最终位置不同，它预测的是偏置的演化，使网络输出仍可沿着惯性运动方程进入几何估计。每个网络有 14,243 个参数，目标是能够在机载平台上持续运行，而不是利用大模型离线重建轨迹。

式 (4)–(5) 给出的两类偏置动力学可以统一写成下式；这里仅合并下标，不添加新的模型项：

\[ d b_t^i = \left[\alpha_i(t) f_i(b_t^i,\tilde u_t;\theta_i) + (1-\alpha_i(t))L_i\tilde u_t\right]dt + \Sigma_i^{1/2}dW_t^i,\qquad i\in\{g,a\}. \]

其中，线性矩阵把六轴输入映射为三维偏置变化率，神经分支提供非线性漂移，Wiener 过程与扩散矩阵描述随机扰动。神经 ODE 对照保留确定性漂移但关闭学习的扩散头，因此它能检验显式随机建模是否在均值拟合之外有价值。正文强调异方差噪声，但可读缓存没有充分交代扩散头如何参数化、如何保证输出合法，不能把这些工程细节当作已经给出的实现。

3. 可微协方差传播：让学习模型改变滤波置信度，而不只改变均值

若偏置均值采用复杂网络，协方差却仍按原来的随机游走传播，二者描述的实际上不是同一个预测模型。本文以连续时间协方差动力学为接口，把误差状态雅可比、过程噪声及神经偏置动力学接入同一传播过程。网络对输入和参数的导数用自动微分计算，线性部分则解析计算；离散实现采用二阶状态转移近似。这里的价值是让学习得到的偏置随机性进入滤波器对未来误差的预测。

一个容易遗漏的耦合是：姿态误差会改变重力补偿，进而改变运动复杂度和混合权重。正文围绕式 (14) 明确要求把这一影响传到偏置估计，不能把门控当作与导航状态无关的外部常数。系统概念上扩展了网络、线性分支和门控参数，但为了实时性，网络及线性参数的协方差可放在解耦优化线程中处理，惯性偏置仍留在核心滤波器内。这不等于在每个 IMU 时刻联合估计全部网络权重的完整协方差。

4. 受约束在线校准：冻结高维网络，只让低维参数适应当前飞行

网络先使用 Vicon 辅助的 Rauch–Tung–Striebel 平滑结果预训练，以离线构造的 IMU 偏置残差作为监督。测试飞行与预训练、超参数选择分离。部署阶段保持神经权重固定，仅在短滑窗内更新线性分支和门控的斜率、阈值参数；因此标题中的 adaptive 不应被读成边飞边重新训练整个神经 SDE。

更新利用 LiDAR 残差，并对参数偏离先前估计施加正则。梯度会被裁剪，残差或归一化新息平方检验不通过时跳过更新，神经梯度也不直接覆写滤波器名义状态。这种双通道设计的意义在于：几何滤波继续承担状态更新，在线校准只改变后续惯性模型。在激励不足或观测异常时，拒绝一次参数更新比强迫模型拟合当前残差更合理。

一个完整示例¶

考虑一段先悬停、再快速转向、最后恢复平稳的飞行。悬停时近期激励较弱，门控让线性分支承担较多偏置预测；并非把神经网络删除，而是降低它在缺少可观测证据时的影响。

开始急转后，窗口内角速度和重力补偿后的加速度激励增加，神经分支占比随之提高。随机偏置模型推进预测，协方差通道同步评估置信度；下一帧 LiDAR 提供几何校正后，系统检查残差与新息一致性，只在通过检查时调整线性分支及门控。这里的动作序列用于解释工作流程，不是论文另行报告的一组定量轨迹。

损失函数 / 训练策略¶

论文讨论四类目标：位姿误差、参数正则、不确定性校准和偏置时间平滑。位姿项同时约束旋转与平移；参数项限制模型漂移；协方差项通过 trace 与负 log-determinant 的组合抑制过大不确定性和协方差塌缩；平滑项惩罚偏置变化率带来的抖动。

应区分这一总体训练目标与实际部署可更新的参数集合：正文仍保留网络权重正则的符号，但 §3.5 明确规定部署时网络冻结。缓存中的若干损失公式及权重表达提取不完整，也没有可复核的优化器、学习率或训练轮数，故不补造超参数或精确损失权重。

实验关键数据¶

主实验¶

平台为 Livox Mid-360、BMI088 IMU 和 NVIDIA Orin NX，自采 UAV-Lab 使用 32 相机 Vicon 系统提供参考位姿。UrbanLoco 与 KITTI 提供道路场景验证，其中 KITTI 被作者明确定位为结构化道路检查，不能替代高动态飞行测试。APE 为绝对位姿误差，单位米；表中的 RPE 为以 deg/m 报告的相对姿态误差，均越低越好。

方法	UrbanLoco APE (m)	KITTI APE (m)	UAV-Lab APE (m)	UAV-Lab RPE (deg/m)
FAST-LIO2	1.42	0.73	2.13	1.87
FAST-LIO2-NODE	1.15	0.61	1.78	1.52
NeuroSDE-LIO	0.89	0.46	1.34	1.12

数据来自原文表 1、表 3。UAV-Lab 的 APE 相对 FAST-LIO2 下降约 37.1%。表 2 的较新 LIO 基线中，iG-LIO 为 1.48 m / 1.29 deg/m，本文为 1.34 m / 1.12 deg/m；这比只与 FAST-LIO2 比较更能说明改进幅度。ORB-SLAM3 使用视觉惯性输入，cuVSLAM 只是硬件相关的 VIO 速度参考，均不宜当作同传感器 LIO 对照。

消融实验¶

UAV-Lab 配置	APE (m)	RPE (deg/m)	所检验的变化
FAST-LIO2	2.13	1.87	原始基线
Base+Hybrid	1.76	1.55	无神经动力学的混合配置
Base+Hybrid+NODE	1.52	1.34	有确定性神经漂移、无 SDE 扩散
Full w/o Hybrid	1.63	1.42	去掉自适应门控
完整 NeuroSDE-LIO	1.34	1.12	神经漂移、扩散与门控共同启用

数据来自表 5。去掉门控使 APE 增加 0.29 m；关闭扩散的混合 NODE 配置比完整方法高 0.18 m，两者支持不同的贡献。主表的 FAST-LIO2-NODE 与消融中的 Base+Hybrid+NODE 不是同一行配置，其 1.78 m 与 1.52 m 不能互换使用。该表也没有独立移除协方差传播或在线校准，不能据此排序所有模块的贡献。

关键发现¶

指标	FAST-LIO2	NeuroSDE-LIO	解释
UAV-Lab NIS 区间覆盖率	70.5%	91.8%	理想目标约为 95%，不是越接近 100% 越好
每帧 LiDAR 处理时间	45.2 ms	52.1 ms	精度提高伴随额外计算
内存占用	312 MB	385 MB	表 6 的机载开销

NIS 即新息与其预测协方差构成的归一化二次型，通常写作 \(r^T S^{-1}r\)；覆盖率统计它落入相应 95% 置信区间的比例。接近名义覆盖率比单纯缩小协方差更能检验置信度，但正文没有充分交代不同系统的新息维度和跨方法统一计算协议。

完整系统为 19.2 Hz，IMU 预积分与状态传播保持 200 Hz，不能将两种频率混为一谈。去掉混合门控后每帧为 51.6 ms，说明门控本身开销小。独立测试飞行的陀螺偏置误差由 0.00914 降至 0.00363 rad/s，加速度计偏置误差由 0.05214 降至 0.02070 m/s²，给出了轨迹之外的偏置估计证据。

数值解读需留意一处原文不一致：正文声称平均 RPE 改善 45.2%，但表 3 的平均值 1.28 降到 0.74 对应约 42.2%。本文据此保留原始表值，不沿用这一汇总降幅；该问题也不能靠给四舍五入结果补更多有效数字来消除。

亮点与洞察¶

学习模块的接口是偏置动力学和协方差，而不是最终轨迹。这样既可利用运动相关结构，也能继续用 LiDAR 几何证据约束定位。
门控针对的是低激励时的偏置可观测性，而不只是网络算力。冻结高维网络、校准低维分支，是比全参数在线学习更容易约束的部署选择。
实验同时检查轨迹、偏置误差和新息一致性。三类证据分别对应最终任务、被改造的状态变量与置信度，比仅报 APE 更有解释力。

局限与展望¶

作者承认神经 SDE 增加推理开销，极端传感器饱和仍难处理。输入已超出可观测校正范围时，更丰富的偏置模型不等于能恢复丢失的信息。
每套 UAV/IMU 需要运动阈值校准，预训练监督又依赖 Vicon 辅助平滑；现有证据不能直接推出跨 IMU、跨机体或跨振动条件的免校准泛化。
主文缺少独立的协方差传播和在线校准消融，以及充分的随机种子、置信区间、扩散头实现和训练细节，复现与因果归因仍有缺口。
缓存中多处数学表达损坏，均方稳定性的陈述也不能等同于闭环安全保证。未来的多 IMU、跨传感器迁移与可认证安全性是作者提出的方向，而非本文已经完成的能力。

评分¶

新颖性: 4/5。混合门控、随机偏置学习与几何不确定性传播形成了针对高动态 LIO 的明确组合。
实验充分度: 3/5。有较新基线、NODE/门控消融和直接偏置验证，但缺少部分模块隔离与统计细节。
写作质量: 3/5。部署时冻结网络的边界交代清楚，但汇总数字不一致且若干实现细节不足；缓存公式损坏另行限制了核验。
价值: 4/5。对低成本 IMU 的高动态机载定位有实际参考意义，尚不能视为跨设备泛化或安全保证。