Fugu-MT 論文翻訳(概要): Tracking mulitple targets with multiple radars using Distributed Auctions

論文の概要: Tracking mulitple targets with multiple radars using Distributed Auctions

arxiv url: http://arxiv.org/abs/2307.16477v1
Date: Mon, 31 Jul 2023 08:14:29 GMT
ステータス: 処理完了
システム内更新日: 2023-08-01 15:32:02.633619
Title: Tracking mulitple targets with multiple radars using Distributed Auctions
Title（参考訳）: 分散オークションを用いた複数レーダによる複数ターゲット追跡
Authors: Pierre Larrenie, C\'edric Buron (LABISEN-KLAIM), Fr\'ed\'eric Barbaresco
Abstract要約: 分散型および協調型バンドルオークションに基づくレーダコーディネートのための高弾力性アルゴリズムを提案する。このアプローチでは、複数のターゲットを同時に追跡し、同じターゲットを追跡する2つのレーダーを使用して精度を向上させることができる。
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: Coordination of radars can be performed in various ways. To be more resilient radar networks can be coordinated in a decentralized way. In this paper, we introduce a highly resilient algorithm for radar coordination based on decentralized and collaborative bundle auctions. We first formalize our problem as a constrained optimization problem and apply a market-based algorithm to provide an approximate solution. Our approach allows to track simultaneously multiple targets, and to use up to two radars tracking the same target to improve accuracy. We show that our approach performs sensibly as well as a centralized approach relying on a MIP solver, and depending on the situations, may outperform it or be outperformed.
Abstract（参考訳）: レーダーの調整は様々な方法で行うことができる。よりレジリエントなレーダーネットワークを分散的に調整することができる。本稿では,分散型および協調型バンドルオークションに基づくレーダー協調のための高レジリエントアルゴリズムを提案する。まず,本問題を制約付き最適化問題として定式化し,市場ベースのアルゴリズムを近似解として適用する。複数のターゲットを同時に追跡し、同じターゲットを追跡するレーダーを2つまで使用し、精度を向上させる。提案手法は,MIPソルバに依存する中央集権的アプローチと同等に動作し,状況によっては性能が向上するか,性能が向上する可能性がある。

関連論文リスト

Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-11T03:13:02Z)
Multistatic-Radar RCS-Signature Recognition of Aerial Vehicles: A Bayesian Fusion Approach [10.908489565519211]
無人航空機(UAV)用のレーダー自動目標認識(RATR)は、電磁波(EMW)を送信し、受信したレーダーエコーに対して目標型認識を行う。これまでの研究では、RATRにおけるモノスタティックレーダよりも、マルチスタティックレーダの構成の利点を強調していた。本稿では,複数のレーダからの分類確率ベクトルを集約するために,OBF(Optimal Bayesian Fusion)を用いた完全ベイズRATRフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-28T02:11:47Z)
Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文参考訳（メタデータ） (2023-07-31T09:53:50Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
Expeditious Saliency-guided Mix-up through Random Gradient Thresholding [89.59134648542042]
混合学習アプローチはディープニューラルネットワークの一般化能力向上に有効であることが証明されている。本稿では,両経路の分岐点に位置する新しい手法を提案する。我々はR-Mixという手法を「Random Mix-up」という概念にちなむ。より良い意思決定プロトコルが存在するかどうかという問題に対処するために、我々は、ミックスアップポリシーを決定する強化学習エージェントを訓練する。
論文参考訳（メタデータ） (2022-12-09T14:29:57Z)
Identifying Coordination in a Cognitive Radar Network -- A Multi-Objective Inverse Reinforcement Learning Approach [30.65529797672378]
本稿では,レーダ間のコーディネーションを検出するために,新しい多目的逆強化学習手法を提案する。また、多目的最適化システムの逆検出と学習に関するより一般的な問題にも適用できる。
論文参考訳（メタデータ） (2022-11-13T17:27:39Z)
Automated Algorithm Selection for Radar Network Configuration [7.036630384550406]
レーダーネットワークの構成は、専門家がしばしば手動で行う複雑な問題である。 153のレーダネットワーク構成問題インスタンス上でのブラックボックス最適化アルゴリズムの性能について検討した。その結果、地形の標高からインスタンスの特徴を抽出するパイプラインは、古典的ではるかに高価なアプローチと同等に機能することを示した。
論文参考訳（メタデータ） (2022-05-07T15:28:36Z)
Unsupervised Domain Adaptation across FMCW Radar Configurations Using Margin Disparity Discrepancy [17.464353263281907]
本研究では、ディープラーニングの人間活動分類の文脈において、レーダー構成にまたがる非教師なし領域適応の問題を考える。我々は、コンピュータビジョンの分野ですでに成功している、Margin Disparity Discrepancyの理論に触発されたテクニックに焦点を当てた。我々の実験は、この手法をレーダーデータに拡張し、同じ分類問題に対する少数ショット教師付きアプローチに匹敵する精度を達成した。
論文参考訳（メタデータ） (2022-03-09T09:11:06Z)
Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
論文参考訳（メタデータ） (2021-04-16T17:58:56Z)
Multi-Radar Tracking Optimization for Collaborative Combat [0.0]
本稿では、分散化されたネットワークレーダ協調のための2つの新しい報奨に基づく学習手法を提案する。これらの手法を、レーダーが複数の目標を同時に追従できるシミュレーションに適用し、強欲なベースラインと比較することで暗黙の協調を学習できることを示す。
論文参考訳（メタデータ） (2020-10-20T07:42:58Z)
Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文参考訳（メタデータ） (2020-10-18T20:22:05Z)

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。