論文の概要: Decentralized Gaussian Process Classification and an Application in Subsea Robotics

• arxiv url: http://arxiv.org/abs/2511.15529v1
• Date: Wed, 19 Nov 2025 15:26:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.86848
• Title: Decentralized Gaussian Process Classification and an Application in Subsea Robotics
• Title（参考訳）: 分散ガウス過程の分類と海底ロボットへの応用
• Authors: Yifei Gao, Hans J. He, Daniel J. Stilwell, James McMahon,
• Abstract要約: ロボットのチームが、ある場所から別の場所への通信成功確率のマップを、リアルタイムで構築する上での課題に対処する。 この研究の主な貢献は、AUV間で共有される測定値を選択する厳格に派生したデータ共有ポリシーである。 バージニア工科大学690AUVのチームから収集した実音響通信データを用いて,提案手法を実験的に検証した。
• 参考スコア（独自算出の注目度）: 10.120009076068953
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Teams of cooperating autonomous underwater vehicles (AUVs) rely on acoustic communication for coordination, yet this communication medium is constrained by limited range, multi-path effects, and low bandwidth. One way to address the uncertainty associated with acoustic communication is to learn the communication environment in real-time. We address the challenge of a team of robots building a map of the probability of communication success from one location to another in real-time. This is a decentralized classification problem -- communication events are either successful or unsuccessful -- where AUVs share a subset of their communication measurements to build the map. The main contribution of this work is a rigorously derived data sharing policy that selects measurements to be shared among AUVs. We experimentally validate our proposed sharing policy using real acoustic communication data collected from teams of Virginia Tech 690 AUVs, demonstrating its effectiveness in underwater environments.
• Abstract（参考訳）: 自律型水中車両(AUV)のチームは協調のための音響通信に頼っているが、この通信媒体は限られた範囲、マルチパス効果、低帯域幅で制約されている。 音響通信に関連する不確実性に対処する一つの方法は,通信環境をリアルタイムで学習することである。 ロボットのチームが、ある場所から別の場所への通信成功確率のマップを、リアルタイムで構築する上での課題に対処する。 これは分散分類の問題であり、コミュニケーションイベントは成功か失敗かのいずれかであり、AUVはマップを構築するために通信測定のサブセットを共有する。 この研究の主な貢献は、AUV間で共有される測定値を選択する厳格に派生したデータ共有ポリシーである。 ヴァージニア工科大学690AUVのチームから収集した実音響通信データを用いて,提案手法の有効性を実験的に検証した。

関連論文リスト

• UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
  不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。 CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。 多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
  論文  参考訳（メタデータ） (2025-10-14T21:09:09Z)
• SafeDiver: Cooperative AUV-USV Assisted Diver Communication via Multi-agent Reinforcement Learning Approach [0.8873265946210989]
  既存の水中ダイバー通信手法は、固有の不利と複雑な水中環境のためにハードルに直面している。 本研究では,海中無人システムを利用して,信頼性の高い高速通信を行うダイバーを支援する手法を提案する。
  論文  参考訳（メタデータ） (2025-09-15T01:44:28Z)
• Prediction of Acoustic Communication Performance for AUVs using Gaussian Process Classification [6.381013699474244]
  自律型水中車両(AUV)の協調は、効果的に行動を調整するために音響通信に依存していることが多い。 本稿では,送受信車両の位置に基づいて,通信成功確率を表す地図を学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T17:04:12Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• LPAC: Learnable Perception-Action-Communication Loops with Applications to Coverage Control [72.81786007015471]
  本稿では,その問題に対する学習可能なパーセプション・アクション・コミュニケーション(LPAC)アーキテクチャを提案する。 CNNは局所認識を処理する。グラフニューラルネットワーク(GNN)はロボットのコミュニケーションを促進する。 評価の結果,LPACモデルは標準分散型および集中型カバレッジ制御アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-10T00:08:00Z)
• A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
  グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。 ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。 近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。 本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T21:20:50Z)
• Over-communicate no more: Situated RL agents learn concise communication protocols [78.28898217947467]
  互いに効果的に効率的にコミュニケーションできる人工エージェントをいかに設計するかは、不明である。 強化学習(RL)を用いたコミュニケーションの出現に関する研究 エージェントがコミュニケーションを行うための環境行為を強制しなければならない多段階タスクにおける位置的コミュニケーションについて検討する。 テストされたすべてのプレッシャーは過剰なコミュニケーションを阻害する可能性があるが、位置通信は最も効果的であり、努力のコストとは異なり、発生に悪影響を及ぼさない。
  論文  参考訳（メタデータ） (2022-11-02T21:08:14Z)
• Learning to Communicate Using Counterfactual Reasoning [2.8110705488739676]
  本稿では,Multi-agent counterfactual communication learning (MACC)法を提案する。 MACCは、通信エージェントの信用割当問題を克服するために、対実的推論に適応する。 実験の結果,MACCは粒子環境における4つのシナリオにおいて,最先端のベースラインよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-06-12T14:02:04Z)

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。