# SE(3)-LIVOM多源里程计获IROS冠军，六场景ATE达1.4cm

> 原文链接：https://robotics.hellobike.com/papers/2026-11-18-2611-22047-43cb85f8
> 频道：papers | 更新日期：2026-11-18 | 标签：auto, arxiv
> 核心摘要：IROS 2026 COMFORT挑战赛冠军方案SE(3)-LIVOM开源，基于双LiDAR+相机+IMU实现足式机器人实时定位。单配置下六类复杂场景平均ATE仅1.40cm，扫描耗时稳定35ms，验证了多源融合在非结构化环境的鲁棒性。

# SE(3)-LIVOM多源里程计获IROS冠军，六场景ATE达1.4cm

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[SE(3)-LIVOM: Adaptive Multi-LiDAR-Inertial-Visual Odometry and Mapping](https://arxiv.org/abs/2611.22047)（arXiv 2611.22047）

## 核心内容

SE(3)-LIVOM算法斩获IROS 2026 COMFORT挑战赛总冠军，该赛事聚焦足式机器人在倒塌建筑、工地及雪地等非结构化场景的定位难题。系统采用双LiDAR、单相机与IMU组合，在GrandTour数据集六个测试场景中取得1.40cm的平均绝对轨迹误差（ATE），且全程无需针对特定场景调参，展现了极强的环境泛化能力。

技术架构上，前端扩展SE(3)-LIO框架支持多LiDAR与视觉输入，通过自适应降采样将单帧扫描处理耗时控制在35ms左右；后端引入子地图平面光束平差法（Plane BA）与增量位姿图优化以在线修正漂移。整套系统满足实时性要求，代码已在GitHub开源，为腿足机器人高精度导航提供了可复现的SOTA基准。

## 关键看点

- **竞赛性能**：获IROS 2026 COMFORT挑战赛冠军，六类非结构化测试场景平均ATE仅1.40cm，全程单一配置无需调参
- **实时计算**：自适应降采样策略使双LiDAR+相机前端扫描处理耗时稳定在35ms，满足足式机器人机载实时运算需求
- **后端优化**：采用子地图平面光束平差法结合增量位姿图优化，有效抑制长时累积漂移，保障复杂环境建图一致性
- **开源资产**：完整代码于GitHub开源，提供双LiDAR+视觉+IMU融合的高精度里程计可复现方案与评测基准

## 工程与产业观察

该工作证明了SE(3)流形上的多源紧耦合融合是解决足式机器人极端环境SLAM的有效路径。35ms实时性与1.4cm精度的平衡，以及单配置泛化能力，显著降低了非结构化场景部署门槛。开源代码为具身智能体在废墟、野外等GPS拒止环境下的自主导航提供了高价值工程参考与算法基线。

## 英文摘要 (Abstract)

This paper presents SE(3)-LIVOM, the overall winner of the COMFORT Challenge at IROS 2026. The challenge asks for the trajectory of a legged robot in the GrandTour dataset, whose scenes include collapsed buildings, construction sites and snowfields. SE(3)-LIVOM runs in real time on two LiDARs, one camera and an IMU. Its frontend extends SE(3)-LIO to multiple LiDARs and a camera. Adaptive downsampling keeps the time per scan near 35 ms within and across scenes. An online backend corrects drift with a plane bundle adjustment over submaps and an incremental pose graph. With a single configuration for all scenes, the system reaches an average ATE of 1.40 cm on the six test scenes. The code is available at https://github.com/url-kaist/se3-livom-comfort.

作者：Gunhee Shin, Seungjae Lee, Daebeom Kim, Seoyeon Jang, Hyun Myung
:::

## 原始参考来源 (Sources)

- [arXiv 2611.22047：SE(3)-LIVOM: Adaptive Multi-LiDAR-Inertial-Visual Odometry and Mapping](https://arxiv.org/abs/2611.22047)