Fugu-MT 論文翻訳(概要): Coverage Path Planning with Track Spacing Adaptation for Autonomous Underwater Vehicles

論文の概要: Coverage Path Planning with Track Spacing Adaptation for Autonomous Underwater Vehicles

arxiv url: http://arxiv.org/abs/2006.12896v1
Date: Tue, 23 Jun 2020 11:04:32 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 23:26:30.067887
Title: Coverage Path Planning with Track Spacing Adaptation for Autonomous Underwater Vehicles
Title（参考訳）: 自律型水中車両の軌道間隔適応によるカバレッジパス計画
Authors: Veronika Yordanova, Bart Gips
Abstract要約: より優れたデータ収集を目的としたAUVトラック間隔に適応するカバレッジパス計画法を提案する。我々は、最低データ品質が期待されるセンサー範囲の尾部で、カバーオーバーラップをシフトすることで、これを実現する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we address the mine countermeasures (MCM) search problem for an autonomous underwater vehicle (AUV) surveying the seabed using a side-looking sonar. We propose a coverage path planning method that adapts the AUV track spacing with the objective of collecting better data. We achieve this by shifting the coverage overlap at the tail of the sensor range where the lowest data quality is expected. To assess the algorithm, we collected data from three at-sea experiments. The adaptive survey allowed the AUV to recover from a situation where the sensor range was overestimated and resulted in reducing area coverage gaps. In another experiment,the adaptive survey showed a 4.2% improvement in data quality for nearly 30% of the 'worst' data.
Abstract（参考訳）: 本稿では, 横型ソナーを用いて海底を探査する自律型水中車両(AUV)の地雷対策(MCM)探索問題に対処する。より優れたデータ収集を目的としたAUVトラック間隔に適応するカバレッジパス計画法を提案する。我々は、最低データ品質が期待されるセンサ範囲の尾部でのカバレッジオーバーラップをシフトすることで、これを実現する。このアルゴリズムを評価するために,3つの海中実験のデータを収集した。適応調査により、AUVはセンサー範囲が過大評価された状況から回復し、エリアカバレッジのギャップを減らした。別の実験では、アダプティブサーベイにより、データ品質が4.2%向上し、"Worst"データの30%近くが改善された。

関連論文リスト

A Deep Dive into the Trade-Offs of Parameter-Efficient Preference Alignment Techniques [63.10251271444959]
大規模言語モデルは最初、数兆のトークンで事前訓練され、その後、特定の好みに合わせて命令調整または調整される。我々は,3つの重要な軸に対する人気選択の影響を詳細に調査する。 300以上の実験にまたがるセットアップでは、一貫した傾向と予期せぬ結果が明らかになる。
論文参考訳（メタデータ） (2024-06-07T12:25:51Z)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
本稿では,自動車用レーダセンサの自動校正手法を提案する。本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
論文参考訳（メタデータ） (2023-06-23T07:01:10Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)
Optimal Transport for Change Detection on LiDAR Point Clouds [16.552050876277242]
空気中LiDARデータポイント間の教師なし変更検出は,取得システムからの空間的支持とノイズのアンマッチが困難である。本稿では,2つの時間的支援による3次元LiDAR点の移動の計算に基づく教師なしアプローチを提案する。本手法では,教師なしの階層分類が可能であり,従来の最先端の教師なし手法よりも有意な差で性能が向上する。
論文参考訳（メタデータ） (2023-02-14T13:08:07Z)
Censored Deep Reinforcement Patrolling with Information Criterion for Monitoring Large Water Resources using Autonomous Surface Vehicles [0.0]
本研究は,自律走行車を用いた大規模水資源モニタリングの枠組みを提案する。データに対する不確実性低減の尺度として情報ゲインを用いて,モデルに基づく障害物回避のためのQ-Censoring機構によって改良されたディープQ-ラーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-10-12T07:33:46Z)
Dense Air Quality Maps Using Regressive Facility Location Based Drive By Sensing [4.264192013842096]
本稿では,隣接する場所におけるスムーズさと自己回帰時間相関を組み込んだ効率的な車両選択フレームワークを提案する。インド・デリーの公共交通機関からサブセットを選択する際の枠組みを評価する。
論文参考訳（メタデータ） (2022-01-20T18:20:37Z)
Lifelong Unsupervised Domain Adaptive Person Re-identification with Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文参考訳（メタデータ） (2021-12-13T13:19:45Z)
Feature Space Exploration For Planning Initial Benthic AUV Surveys [11.497731809524536]
特別目的自律水中車両(AUV)はベントニック(海底)調査に使用される。カメラのフットプリントが小さく、調査対象地域が広いため、これらのAUVは数万平方メートルを超える領域の完全なカバレッジ画像を収集できない。本研究では,バスメータの特徴空間表現を効率的に探索する初期のAUVサーベイを計画する手法を提案する。
論文参考訳（メタデータ） (2021-05-25T01:20:18Z)
Towards Adaptive Benthic Habitat Mapping [9.904746542801838]
本研究では,効率的な自律下水車両(AUV)探査計画に生息環境モデルを用いる方法を示す。ベイズニューラルネットワークは、広範囲な水量測定データを与えられたとき、視覚的に派生した生息地クラスを予測するために使用される。これらの構造的不確実性推定が、より少ないサンプルでモデルを改善するためにどのように利用できるかを実証する。
論文参考訳（メタデータ） (2020-06-20T01:03:41Z)
Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文参考訳（メタデータ） (2020-02-21T07:29:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。