본 논문에서는 학습과 최적화를 결합한 새로운 4D 레이더 오도메트리 모델인 DNOI-4DRO를 제안합니다. DNOI-4DRO는 기존의 기하학적 최적화와 end-to-end 신경망 학습을 매끄럽게 통합하여 차별화 가능한 신경 최적화 반복 연산자를 활용합니다. 신경망을 이용하여 점 단위의 움직임 흐름을 먼저 추정하고, 점의 움직임과 3D 공간에서의 자세 간의 관계를 기반으로 비용 함수를 구성합니다. 그 후 Gauss-Newton 업데이트를 사용하여 레이더 자세를 개선합니다. 또한, 다중 스케일 기하학적 특징과 클러스터링 기반 클래스 인식 특징을 통합하는 이중 스트림 4D 레이더 백본을 설계하여 희소한 4D 레이더 점 구름의 표현을 향상시킵니다. VoD 및 Snail-Radar 데이터셋에 대한 광범위한 실험을 통해 기존의 고전적 접근 방식 및 학습 기반 접근 방식보다 우수한 성능을 보임을 보여줍니다. 특히, LiDAR 점 구름을 입력으로 사용하는 매핑 최적화를 사용하는 A-LOAM과 비교할 만한 결과를 달성합니다. 모델과 코드는 공개될 예정입니다.
