論文の概要: DRL-Based Beam Positioning for LEO Satellite Constellations with Weighted Least Squares

• arxiv url: http://arxiv.org/abs/2511.08852v1
• Date: Thu, 13 Nov 2025 01:12:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.256226
• Title: DRL-Based Beam Positioning for LEO Satellite Constellations with Weighted Least Squares
• Title（参考訳）: 軽量最小角形LEO衛星のDRLビーム位置決め
• Authors: Po-Heng Chou, Chiapin Wang, Kuan-Hao Chen, Wei-Chen Hsiao,
• Abstract要約: 重み付き最小二乗(WLS)推定器を用いた多ビーム星座の高精度かつ低複雑さ位置推定のための政策ネットワークを結合した強化学習に基づくビーム重み付けフレームワークを提案する。 代表的シナリオ全体にわたって,提案手法は幾何ベースラインと比較して平均位置決め誤差を99.3%削減し,ほぼリアルタイムな推論で0.395m RMSEを達成した。
• 参考スコア（独自算出の注目度）: 0.10499611180329803
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a reinforcement learning based beam weighting framework that couples a policy network with an augmented weighted least squares (WLS) estimator for accurate and low-complexity positioning in multi-beam LEO constellations. Unlike conventional geometry or CSI-dependent approaches, the policy learns directly from uplink pilot responses and geometry features, enabling robust localization without explicit CSI estimation. An augmented WLS jointly estimates position and receiver clock bias, improving numerical stability under dynamic beam geometry. Across representative scenarios, the proposed method reduces the mean positioning error by 99.3% compared with the geometry-based baseline, achieving 0.395 m RMSE with near real-time inference.
• Abstract（参考訳）: 本稿では,多ビームLEO星座における高精度かつ低複雑さの位置推定のための,拡張重み付き最小二乗(WLS)推定器とポリシネットワークを結合した強化学習に基づくビーム重み付けフレームワークを提案する。 従来の幾何学やCSIに依存したアプローチとは異なり、このポリシーはアップリンクのパイロット応答と幾何学的特徴から直接学習し、明確なCSI推定なしにロバストなローカライゼーションを可能にする。 拡張WLSは位置と受信クロックバイアスを併用して推定し、動的ビーム幾何学の下での数値安定性を向上させる。 代表的シナリオ全体にわたって,提案手法は幾何ベースラインと比較して平均位置決め誤差を99.3%削減し,ほぼリアルタイムな推論で0.395m RMSEを達成した。

関連論文リスト

• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric [5.153195958837083]
  我々は,LiDAR BAアルゴリズムの最適化目標を構築するために,新しい平均2乗群計量(MSGM)を提案する。 堅牢なカーネル関数を統合することで、BAアルゴリズムに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
  論文  参考訳（メタデータ） (2024-09-03T12:53:39Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• 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)
• Stable Surface Regularization for Fast Few-Shot NeRF [76.00444039563581]
  我々はAnnealing Signed Distance Function (ASDF) と呼ばれる安定表面正規化手法を開発した。 SDFの異なるレベルセットを形成するためには、アイコンの損失が密集した訓練信号を必要とすることが観察され、数発の訓練で低忠実度結果が得られた。 提案手法は、既存の数発の新規ビュー合成法よりも最大45倍高速である。
  論文  参考訳（メタデータ） (2024-03-29T05:39:47Z)
• PSS-BA: LiDAR Bundle Adjustment with Progressive Spatial Smoothing [27.060381833488172]
  本稿では, プログレッシブ空間平滑化によるLiDARバンドル調整について述べる。 提案手法の有効性とロバスト性をシミュレーションと実世界のデータセットで検証した。
  論文  参考訳（メタデータ） (2024-03-10T07:56:54Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• Few-shot Non-line-of-sight Imaging with Signal-surface Collaborative Regularization [18.466941045530408]
  非視線イメージング技術は、多重反射光からターゲットを再構成することを目的としている。 最小限の測定回数でノイズロバストを再現する信号表面の協調正規化フレームワークを提案する。 我々のアプローチは、救助活動や自律運転といったリアルタイム非視線画像アプリケーションにおいて大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-21T11:19:20Z)
• Learning Cross-view Geo-localization Embeddings via Dynamic Weighted Decorrelation Regularization [52.493240055559916]
  クロスビュージオローカライゼーションは、ドローンプラットフォームと衛星プラットフォームという2つのプラットフォームから撮影された同じ位置の画像を見つけることを目的としている。 既存の手法は、通常、特徴空間内の他のものとの埋め込み距離を最適化することに焦点を当てる。 本稿では、低冗長性も重要であり、モデルがより多様なパターンをマイニングする動機となっていると論じる。
  論文  参考訳（メタデータ） (2022-11-10T02:13:10Z)
• Ground-Assisted Federated Learning in LEO Satellite Constellations [39.646300161201076]
  フェデレートラーニング(FL)に基づく新しいアルゴリズムセットを提案する。 我々のアプローチは、星座に存在しない予測可能な接続パターンを考慮すると、標準のFLアルゴリズムとは大きく異なる。 特に、達成されたテスト精度は集中型解の96%から99.6%以内である。
  論文  参考訳（メタデータ） (2021-09-03T07:17:20Z)

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。