TIO-Former: Ultra-Lightweight 6-Directional ToF-Inertial Odometry for Nano-UAVs via a Streaming Causal Transformer

📄 arXiv: 2609.17198v1 📥 PDF

作者: Yang Liu, Yifan He, Wenhao Zhao, Xiangyu Mo, Yang Xu, Hao Wei, Mingze Ma, Huan Li, Yifan Wu, Zipeng Dai, Xin Zhou, Fei Gao

分类: cs.RO

发布日期: 2026-09-15

🔗 代码/项目: GITHUB

💡 一句话要点

提出TIO-Former以解决纳米无人机的6自由度运动估计问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)

关键词: 纳米无人机 6自由度运动估计 流式因果变换器 轻量级传感器 IMU 范围-惯性里程计 自主导航 计算机视觉

📋 核心要点

  1. 现有方法在纳米无人机的6自由度运动估计中面临多种挑战，如负载限制和传感器精度不足。
  2. TIO-Former通过结合IMU与轻量级ToF阵列，提出了一种无摄像头和无光流的运动估计框架，提升了估计精度。
  3. 实验结果显示，TIO-Former在多种环境下表现出色，显著降低了位置误差，验证了其在资源受限条件下的有效性。

📝 摘要（中文）

自主纳米无人机导航需要在严格的尺寸、重量、功耗和计算约束下进行准确的自我运动估计。现有的视觉传感器和激光雷达超出了负载限制，光流在低纹理场景中表现不佳，而仅依赖惯性传感器的状态估计容易出现漂移。为此，本文提出了TIO-Former，一个无摄像头、无光流且无地图的范围-惯性里程计框架，利用IMU和六个正交的8x8 ToF阵列，前端通过双边门控差异对连续的范围网格进行配对，IMU引导的交叉注意力动态路由方向特征。通过流式因果变换器，结合未压缩的本地KV缓存和压缩的Chunk-FIFO内存，保持推理成本和内存占用在飞行时间上是有界的。实飞评估表明，TIO-Former在开放环路位置误差上相比于光流方法降低了54.4%，相比于学习的惯性基线降低了66.4%-89.1%。

🔬 方法详解

问题定义：本文旨在解决纳米无人机在严格的尺寸、重量和功耗约束下的6自由度运动估计问题。现有方法如视觉传感器和激光雷达超出负载限制，光流在低纹理场景中表现不佳，而惯性估计容易出现漂移。

核心思路：TIO-Former通过结合IMU和六个正交的8x8 ToF阵列，提出了一种无摄像头、无光流和无地图的运动估计框架。该设计旨在利用轻量级传感器提供准确的运动信息，同时避免现有方法的局限性。

技术框架：整体架构包括前端处理和流式因果变换器。前端通过双边门控差异对连续的范围网格进行配对，IMU引导的交叉注意力动态路由方向特征。流式因果变换器结合了未压缩的本地KV缓存和压缩的Chunk-FIFO内存，以保持推理成本和内存占用在飞行时间上是有界的。

关键创新：最重要的技术创新在于提出了流式因果变换器，能够有效管理内存和推理成本，同时实现高效的方向特征路由。这与现有方法相比，显著提升了计算效率和准确性。

关键设计：关键设计包括IMU引导的交叉注意力机制和双边门控差异的使用，确保了在不同飞行条件下的稳定性和鲁棒性。此外，系统在边缘RISC-V计算机上运行，具有低延迟和内存占用的优势。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，TIO-Former在开放环路位置误差上相比于传统的光流方法降低了54.4%，相比于学习的惯性基线降低了66.4%-89.1%。此外，该系统在边缘计算平台上实现了10.466毫秒的P95延迟和6.324 MiB的峰值内存占用，展示了其在资源受限环境中的实用性。

🎯 应用场景

TIO-Former的研究成果具有广泛的应用潜力，尤其是在资源受限的微型无人机领域。其轻量级的设计使其适用于各种环境下的自主导航任务，如农业监测、环境监测和灾后评估等。未来，该技术有望推动无人机在复杂环境中的应用，提升其自主性和智能化水平。

📄 摘要（原文）

Autonomous nano-UAV navigation requires accurate ego-motion estimation under stringent size, weight, power, and computing (SWaP-C) constraints, where visual sensors and LiDARs exceed payload limits, optical flow degrades in low-texture scenes, and inertial-only state estimation is susceptible to accumulated drift. While multi-zone time-of-flight (ToF) arrays provide a lightweight metric complement, 6-DoF estimation from merely 384 ranges per frame is challenged by invalid returns, anisotropic observability, and temporal computational scaling. We propose TIO-FORMER, a camera-free, optical-flow-free, and mapless range-inertial odometry framework driven by an IMU and an ultra-lightweight (15 g) payload of six orthogonal 8 x 8 ToF arrays. Our frontend pairs consecutive range grids with a bilateral gated difference, while IMU-guided cross-attention dynamically routes directional features conditioned on platform kinematics. A Streaming Causal Transformer couples an uncompressed Local KV cache with compressed Chunk-FIFO memory, maintaining bounded inference cost and memory footprint independent of flight duration. In real-flight evaluations, TIO-FORMER reduces open-loop position error by 54.4% compared to nano-UAV optical flow and by 66.4%-89.1% over learned inertial baselines. We also evaluate performance across multiple environments and robustness under severe sensing degradation. Deployed on an edge RISC-V companion computer, TIO-FORMER achieves a P95 latency of 10.466 ms and peak resident memory of 6.324 MiB (less than 5 percent system RAM), demonstrating that sparse range sensing provides practical geometric anchoring for resource-constrained micro-aerial robots. Code is available at https://github.com/Ly041021/TIO-Former.