論文の概要: From Forecast to Action: Uncertainty-Aware UAV Deployment for Ocean Drifter Recovery

• arxiv url: http://arxiv.org/abs/2512.09260v1
• Date: Wed, 10 Dec 2025 02:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.368541
• Title: From Forecast to Action: Uncertainty-Aware UAV Deployment for Ocean Drifter Recovery
• Title（参考訳）: 予測から行動へ:不確かさを意識したUAV展開
• Authors: Jingeun Kim, Yong-Hyuk Kim, Yourim Yoon,
• Abstract要約: 本稿では,航路予測とUAV配置最適化を統合した海中サーチオペレーションのための新しいフレームワークを提案する。 大きな言語モデルは漂流者の軌道を予測し、空間的不確実性はガウスに基づく粒子サンプリングを用いてモデル化される。 韓国の海岸線から得られた実世界のデータを用いた実験により,本手法,特にこの問題のために設計された修復機構が,ランダムな探索基準よりも著しく優れていることが示された。
• 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: We present a novel predict-then-optimize framework for maritime search operations that integrates trajectory forecasting with UAV deployment optimization-an end-to-end approach not addressed in prior work. A large language model predicts the drifter's trajectory, and spatial uncertainty is modeled using Gaussian-based particle sampling. Unlike traditional static deployment methods, we dynamically adapt UAV detection radii based on distance and optimize their placement using meta-heuristic algorithms. Experiments on real-world data from the Korean coastline demonstrate that our method, particularly the repair mechanism designed for this problem, significantly outperforms the random search baselines. This work introduces a practical and robust integration of trajectory prediction and spatial optimization for intelligent maritime rescue.
• Abstract（参考訳）: 本稿では,航路予測とUAV配置最適化を統合した海中サーチ操作のための新しい予測列最適化フレームワークを提案する。 大きな言語モデルは漂流者の軌道を予測し、空間的不確実性はガウスに基づく粒子サンプリングを用いてモデル化される。 従来の静的配置法とは異なり、距離に基づいてUAV検出ラジイを動的に適用し、メタヒューリスティックアルゴリズムを用いて配置を最適化する。 韓国の海岸線から得られた実世界のデータを用いた実験により,本手法,特にこの問題のために設計された修復機構が,ランダムな探索基準よりも著しく優れていることが示された。 この研究は、インテリジェント海洋救助のための軌道予測と空間最適化の実用的で堅牢な統合を導入している。

関連論文リスト

• Controllable Generative Trajectory Prediction via Weak Preference Alignment [19.852327330298746]
  PrefCVAE(PrefCVAE)は、ラベルの弱い選好ペアを用いて、セマンティック属性を持つ潜在変数を挿入する拡張CVAEフレームワークである。 本研究は,サンプリングベース生成モデルを改善するためのコスト効率の高い方法として,選好監督の有効性を示す。
  論文  参考訳（メタデータ） (2025-10-12T18:06:39Z)
• DeepVIVONet: Using deep neural operators to optimize sensor locations with application to vortex-induced vibrations [1.912429179274357]
  DeepVIVONetは,海面上昇器の渦誘起振動(VIV)の最適動的再構成と予測のための新しいフレームワークである。 本研究は,沖合いの海面上昇船の挙動を時空間計測により正確に再現する際のDeepVIVONetの有効性を実証する。
  論文  参考訳（メタデータ） (2025-01-07T19:29:10Z)
• Motion Forecasting via Model-Based Risk Minimization [8.766024024417316]
  複数モデルの予測に基づく軌道予測に適用可能な新しいサンプリング手法を提案する。 まず、予測確率に基づく従来のサンプリングは、モデル間のアライメントの欠如により性能を低下させることができることを示す。 基礎学習者として最先端モデルを用いて,最適軌道サンプリングのための多種多様な効果的なアンサンブルを構築した。
  論文  参考訳（メタデータ） (2024-09-16T09:03:28Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• 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)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)
• The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
  本稿では,船体移動軌跡予測の教師なし手法を提案する。 これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。 多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
  論文  参考訳（メタデータ） (2020-07-27T17:45:21Z)

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。