본 논문은 4D 레이더 오도메트리 모델인 DNOI-4DRO를 제안한다. DNOI-4DRO는 전통적인 기하학적 최적화와 end-to-end 신경망 학습을 결합하며, 차별 가능한 신경-최적화 반복 연산자를 활용한다. 신경망을 사용하여 점 단위의 모션 플로우를 추정하고, 3D 공간에서 점의 움직임과 자세 간의 관계를 기반으로 비용 함수를 구성한다. 가우스-뉴턴 업데이트를 통해 레이더 자세를 개선한다. 또한, 희소한 4D 레이더 포인트 클라우드의 표현을 향상시키기 위해 다중 스케일 기하학적 특징과 클러스터 기반 클래스 인식 특징을 통합하는 이중 스트림 4D 레이더 백본을 설계했다. VoD 및 Snail-Radar 데이터셋에 대한 실험 결과, 기존의 고전적 및 학습 기반 접근 방식을 능가하며, LiDAR 포인트 클라우드를 입력으로 사용하는 A-LOAM과 유사한 결과를 얻었다. 모델 및 코드는 공개될 예정이다.
