本研究では、自律航行およびロボティクス分野において重要な役割を果たす視覚オドメトリ（VO）システムにおいて、処理速度と精度のバランスを保ちつつ解釈可能性（interpretability）を維持するという重要な課題に取り組む。従来のVOシステムは、計算速度とポーズ推定の精度の間にトレードオフが生じがちである。この問題に対処するため、従来のVO手法と、特化した全結合ネットワーク（FCN）を効果的に統合する新しいシステムを提案する。本システムの特徴は、FCN内で各自由度（degree of freedom）を独立して処理するアプローチを採用し、因果推論（causal inference）を重視することで、解釈可能性を高めている点にある。これにより、異なる自由度における相対ポーズ誤差（RPE）を詳細かつ正確に評価でき、環境に応じたパラメータ変動や運動ダイナミクスの理解がより包括的に行えるようになる。特に、精度を損なうことなく処理速度が顕著に向上しており、特定のシナリオではルート平均二乗誤差（RMSE）が最大で5％まで低減されるという成果を達成した。これは、長年にわたりVO研究の限界とされてきた速度と精度のギャップを効果的に埋める能力を示しており、実時間ナビゲーションやロボットシステムにおけるより効率的かつ信頼性の高いVOシステム開発に向けた重要な一歩である。