論文の概要: On-board Sonar Data Classification for Path Following in Underwater Vehicles using Fast Interval Type-2 Fuzzy Extreme Learning Machine

• arxiv url: http://arxiv.org/abs/2506.12762v1
• Date: Sun, 15 Jun 2025 08:01:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.80811
• Title: On-board Sonar Data Classification for Path Following in Underwater Vehicles using Fast Interval Type-2 Fuzzy Extreme Learning Machine
• Title（参考訳）: 高速インターバル型2ファジィエクストリーム学習装置を用いた水中車両の経路追従経路のオンボードソナーデータ分類
• Authors: Adrian Rubio-Solis, Luciano Nava-Balanzar, Tomas Salgado-Jimenez,
• Abstract要約: 我々は、BlueROV2と呼ばれる水中車両を用いて、船上ソナーデータ分類のためのファジィ推論システムを訓練する。 提案手法は,2つ以上のタスクの同時実行によってリアルタイムナビゲーション計画が実行される一方で,BlueROVに周辺環境に関するより完全な感覚図を提供する。
• 参考スコア（独自算出の注目度）: 0.29767565026354176
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In autonomous underwater missions, the successful completion of predefined paths mainly depends on the ability of underwater vehicles to recognise their surroundings. In this study, we apply the concept of Fast Interval Type-2 Fuzzy Extreme Learning Machine (FIT2-FELM) to train a Takagi-Sugeno-Kang IT2 Fuzzy Inference System (TSK IT2-FIS) for on-board sonar data classification using an underwater vehicle called BlueROV2. The TSK IT2-FIS is integrated into a Hierarchical Navigation Strategy (HNS) as the main navigation engine to infer local motions and provide the BlueROV2 with full autonomy to follow an obstacle-free trajectory in a water container of 2.5m x 2.5m x 3.5m. Compared to traditional navigation architectures, using the proposed method, we observe a robust path following behaviour in the presence of uncertainty and noise. We found that the proposed approach provides the BlueROV with a more complete sensory picture about its surroundings while real-time navigation planning is performed by the concurrent execution of two or more tasks.
• Abstract（参考訳）: 自律的な水中ミッションでは、事前に定義された経路の完成は、主に水中車両が周囲を認識する能力に依存する。 本研究では,FIT2-FELM(Fast Interval Type-2 Fuzzy Extreme Learning Machine)の概念を適用し,BlueROV2と呼ばれる水中車両を用いた音節データ分類のための高木・スゲノ・カンIT2 Fuzzy Inference System(TSK IT2-FIS)を訓練する。 TSK IT2-FISは、局所的な動きを推測し、BlueROV2に2.5m x 2.5m x 3.5mの水容器で障害物のない軌道を追従するための完全な自律性を提供するメインナビゲーションエンジンとして階層ナビゲーション戦略 (HNS) に統合されている。 従来のナビゲーションアーキテクチャと比較して,提案手法を用いて,不確実性やノイズの存在下での動作に追従するロバストな経路を観察する。 提案手法は,2つ以上のタスクの同時実行によってリアルタイムナビゲーション計画が実行される間,BlueROVに周辺環境に関するより完全な感覚図を提供する。

関連論文リスト

• Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
  我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。 Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。 本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
  論文  参考訳（メタデータ） (2024-07-18T14:40:33Z)
• Two-Stage Depth Enhanced Learning with Obstacle Map For Object Navigation [11.667940255053582]
  本稿では,RGBとトレーニングシーンの深度情報を用いて特徴抽出器の事前訓練を行い,ナビゲーション効率を向上する。 提案手法をAI2-ThorとRobothorで評価し,成功率と航法効率において最先端(SOTA)法を著しく上回っていることを示した。
  論文  参考訳（メタデータ） (2024-06-20T08:35:10Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Using Deep Reinforcement Learning Methods for Autonomous Vessels in 2D Environments [11.657524999491029]
  本研究では,Q-Learningとニューラル表現を組み合わせた深層強化学習を用いて不安定性を回避する。 当社の方法論では,Q-Learningを深く使用して,アジャイル方法論のローリングウェーブプランニングアプローチと組み合わせています。 実験の結果,VVNの長距離ミッションの平均性能は55.31倍に向上した。
  論文  参考訳（メタデータ） (2020-03-23T12:58:58Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。