パナソニックAD が考えたSLAMビジネスと、その実現への研究チャレンジ

パナソニックAD が考えた SLAM ビジネスと、その実現への 研究チャレンジ パナソニックアドバンストテクノロジー株式会社 劉 陽 ROBOMECH2026 ワークショップ： SLAMの現在地：到達点・課題・展望 2026/6/29 in Fukuoka アドバンストテクノロジー

@mobi 会社紹介 会社名 Panasonic Advanced Technology Development Co., Ltd 2007年4月1日 (創業1985年) 事業目的 システムおよびソフトウェア設計開発を通じて、 安全・安心、快適・便利な暮らしを実現する 519名 （協力会社含めて約1,000名） パ ナ ソ ニ ッ ク PC エ レ ク トパ リナ ッソ クニ ワッ ーク ク ス PEW パ ナ ソ ニ ッ ク コ ネパ クナ トソ グニ ルッ ーク プ イ ンパ ダナ スソ トニ リッ ク ー パ エナ ナソ ジニ ーッ ク オ エペパ クレナ セーソ レシニ ンョッ スナク ル PHCC PCO PID PEC PEX HVAC&CC 設 立 従業員 パナソニック ホールディングス株式会社 PHD パナソニック アドバンストテクノロジー株式会社 各事業会社関係会社 関 係そ 会の 他 社 PHD 技術部門のソフト研究開発を担う設計開発会社として設立 事業ドメイン 58% ア ド バ ンパ スナ トソ テニ クッ ノク ロ ジ ー PAD 30% 2% 10%

@mobi 自己紹介 劉 陽 Liu Yang パナソニック アドバンストテクノロジー株式会社 主任技師、工学博士 10+years, LiDAR SLAM、Visual Odometry、マルチセンサ融合、複雑環境ナビ ゲーション、および3Dマッピングの研究から製品開発まで一貫して取り組んできた。 • @mobi： 任意の車両を自律移動ロボットに変身するソリューション • @mapper： 歩くだけで空間を3D化できる手持ち型スキャナー ICRA 2026 in vienna コミュニティ貢献 • Tech blog (qiita/scomup)： SLAMの研究者のため、数学などの基礎知識を共有 • OSS (github/scomup)： SLAMの研究開発に関連するツールなどを共有

• https://adtsd.jpn.panasonic.com/solution/atmobi.html
• https://adtsd.jpn.panasonic.com/solution/atmapper.html
• https://qiita.com/scomup
• https://github.com/scomup/q3dviewer

@mobi Q＆A What is SLAM more value for? Localization? Mapping?

@mobi Answers: Both?

Both? Need localization: Mapping @mobi Need a map to: Localization

@mobi Both? Need localization: Mapping Need a map to: もちろん、両方重要だ Localization ただ、重要性（importance）と価値（value）が違う.

@mobi Answers: Localization？

Localization？ やりたいのはLOCALIZATIONだけ @mobi

Why SLAM? SLAM：インフラ不要で、どこでもLocalization @mobiのコア価値 • 短期間で導入 • 専用インフラ不要 • あらゆる車両に対応 • あらゆる環境に対応 @mobi

@mobi Why not OSS? OSSのSLAMはすでに強い… • LIO-SAM ✓ Fast • Fast-LIO2 ✓ Accurate • KISS-ICP • GLIM • etc.… ✓ Robust ? Any environment

Why not OSS? しかし、OSSは完璧ではない @mobi

Why not OSS? @mobi LiDAR-SLAM(odometry)： LiDARを用いて、自己位置推定＆地図作成する技術 FAST-LIO2 has a big drift in tunnel! 構造物が豊富な環境で有効 一方、構造物が少ない環境では推定が困難（縮退現象と呼ぶ）

Our Answer: CUBE-LIO @mobi Our CUBE-LIO [Liu,ICRA2026] works perfectly! LiDAR のみ、縮退環境に強いSLAM提案

Our Answer: CUBE-LIO @mobi CUBE-LIO: 反射強度を利用することで、縮退環境に強い. LiDAR Intensity based photometric constraints joint optimization Intensity Gradient Cubemap based projection Feature Extraction LiDAR Points Why CUBE? ・歪み改善 ・計算コスト改善 Why semi-dense? ・ノイズ抑制 ・実装容易 Works for most LiDAR

ENWIDE Dataset 実験結果 @mobi ENWIDE Dataset ( RunwayD ) FAST-LIO2 COIN -LIO CUBE -LIO

ENWIDE Dataset 実験結果 @mobi ENWIDE Dataset ( IntersecD ) FAST-LIO2 COIN -LIO CUBE -LIO

MARS-LVIG Dataset 実験結果 高品質な点群 MARS -LVIG Dataset (Featureless GNSS02) @mobi

結果 FAST-LIVO2 dataset (HIT_Graffiti_Wall04) FAST-LIVO2 SOTA LiDAR –Visual – Inertial Odometry CUBE -LIO FAST-LIVO2より鮮 明なテクスチャを 確認 Real photo @mobi

@mobi 新ビジネス 副産物として、点群地図がキレイだから @mapper 同じSLAM技術を3D空間スキャナーに！

顧客とのギャップ … We talked about... @mobi Customers asked... • High Accuracy • Can I measure? • Low ATE • Can I create CAD? • Low Drift • Can I generate BIM? • Robust Localization • Can I preserve color? • Loop Closure • Can I reconstruct thin structures? お客様は、Localizationの精度より、Mappingの結果に関心が高い

Answer again: @mobi What is SLAM more value for? Mapping ?

@mobi Mapping? お客様は何にお金を払うのか？ 業界 本当にほしい？ 必要な技術？ ゲーム 高品質な3D資産 Mesh / 3DGS 映画 （エンターテインメント） 現実空間のデジタル化 Mesh / 3DGS 建築・AEC Scan-to-BIM Thin Colored Point Cloud 測量 測量成果物 Thin Point Cloud / image 文化財保存 デジタルアーカイブ Mesh / Colored Point Cloud 都市モデリング デジタルシティ Mesh + GIS シミュレーション 現実空間モデル Mesh / Spatial AI もしかして、mappingの価値がもっと大きい？

@mobi ビジネスのため: お客様にお金を払ってもらうために、研究すべき内容は？ Spatial AI 3DGS Thin Point Cloud Colored Point Cloud Mesh Spatial Data CAD

ビジネスのため: 私たちの研究チャレンジ紹介 @mobi

① Challenging: Thin Point Cloud @mobi A B Orig Point Cloud A B Thin Point Cloud sharper points

① Challenging: Thin Point Cloud @mobi Orig Point Cloud (Area A) 2~3cm Thin Point Cloud (Area A) 5mm 測量や建築（Scan-to-BIM）など、高精度が求められる分野で活用を可能に

① Challenging: Thin Point Cloud @mobi Orig Point Cloud (Area B) 2~3cm Thin Point Cloud (Area B) 5mm 測量や建築（Scan-to-BIM）など、高精度が求められる分野で活用を可能に

② Challenging: Cloud to MESH Point Cloud MESH 29 @mobi

② Challenging: Cloud to MESH @mobi Full real-time mesh SLAM SLAMを行いながら、高品質なメッシュデータをリアルタイムで生成 30

② Challenging: Cloud to MESH @mobi 大規模な環境においても、高品質なメッシュデータを直接生成可能

③ Challenging: Colored Point Cloud @mobi

③ Challenging: Colored Point Cloud @mobi 高品質なカラー点群を生成可能

③ Challenging: Colored Point Cloud @mobi FAST-LIVO2: OUR: 高品質なカラー点群を生成可能 34 DATASET: FAST-LIVO2 Retail Street

Future @mobi パナソニックADは、 MappingがSLAMの新しい価値になる時代が 始まっていると考えています。

Future @mobi このチャレンジは、PADだけでは 完成できません。 研究者、開発者、パートナーの皆さまとともに、 次のステージへ。PADへのJoinでも、協業と いう形でも。ぜひ一緒に、SLAMの可能性を 社会に実装していきましょう。

@mobi END