論文の概要: Neural Ranging Inertial Odometry

• arxiv url: http://arxiv.org/abs/2512.10531v1
• Date: Thu, 11 Dec 2025 11:03:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.282274
• Title: Neural Ranging Inertial Odometry
• Title（参考訳）: ニューラルランキング慣性オドメトリー
• Authors: Si Wang, Bingqi Shen, Fei Wang, Yanjun Cao, Rong Xiong, Yue Wang,
• Abstract要約: 本稿では,グラフアテンションUWBネットワークとリカレントニューラル慣性ネットワークを含む慣性オドメトリーを網羅する新しいニューラルフュージョンフレームワークを提案する。 我々のグラフネットは、シーン関連範囲のパターンを学習し、任意のアンカーやタグに適応し、キャリブレーションなしで正確な位置決めを実現する。
• 参考スコア（独自算出の注目度）: 24.88366865385021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ultra-wideband (UWB) has shown promising potential in GPS-denied localization thanks to its lightweight and drift-free characteristics, while the accuracy is limited in real scenarios due to its sensitivity to sensor arrangement and non-Gaussian pattern induced by multi-path or multi-signal interference, which commonly occurs in many typical applications like long tunnels. We introduce a novel neural fusion framework for ranging inertial odometry which involves a graph attention UWB network and a recurrent neural inertial network. Our graph net learns scene-relevant ranging patterns and adapts to any number of anchors or tags, realizing accurate positioning without calibration. Additionally, the integration of least squares and the incorporation of nominal frame enhance overall performance and scalability. The effectiveness and robustness of our methods are validated through extensive experiments on both public and self-collected datasets, spanning indoor, outdoor, and tunnel environments. The results demonstrate the superiority of our proposed IR-ULSG in handling challenging conditions, including scenarios outside the convex envelope and cases where only a single anchor is available.
• Abstract（参考訳）: ウルトラワイドバンド(UWB)は、その軽量でドリフトフリーな特徴により、GPSによるローカライゼーションの有望な可能性を示しているが、その精度は、センサー配置に対する感度や、長いトンネルのような多くの典型的な用途で発生するマルチパスやマルチ信号干渉によって引き起こされる非ガウスパターンによって、現実のシナリオにおいて制限されている。 本稿では,グラフアテンションUWBネットワークとリカレントニューラル慣性ネットワークを含む慣性オドメトリーを網羅する新しいニューラルフュージョンフレームワークを提案する。 我々のグラフネットは、シーン関連範囲のパターンを学習し、任意のアンカーやタグに適応し、キャリブレーションなしで正確な位置決めを実現する。 さらに、最小二乗の統合と名目フレームの導入により、全体的なパフォーマンスとスケーラビリティが向上する。 提案手法の有効性とロバスト性は,屋内,屋外,トンネル環境にまたがる,公共および自己収集されたデータセットの広範な実験により検証される。 その結果, コンベックスエンベロープ外のシナリオや, 1つのアンカーしか使用できないケースなど, 難易度に対処する上で, 提案したIR-ULSGの優位性が示された。

関連論文リスト

• AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
  AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。 AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
  論文  参考訳（メタデータ） (2026-01-14T20:56:50Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• OCMG-Net: Neural Oriented Normal Refinement for Unstructured Point Clouds [18.234146052486054]
  非構造点雲から指向性正規項を推定するための頑健な精錬法を提案する。 我々のフレームワークは、初期指向の正規性を洗練させるために、特徴空間に符号配向とデータ拡張を組み込んでいる。 従来手法に存在した騒音による方向の不整合の問題に対処するため, チャンファー正規距離と呼ばれる新しい指標を導入する。
  論文  参考訳（メタデータ） (2024-09-02T09:30:02Z)
• Accelerating Scalable Graph Neural Network Inference with Node-Adaptive Propagation [80.227864832092]
  グラフニューラルネットワーク(GNN)は、様々なアプリケーションで例外的な効果を発揮している。 大規模グラフの重大化は,GNNによるリアルタイム推論において重要な課題となる。 本稿では,オンライン伝搬フレームワークと2つの新しいノード適応伝搬手法を提案する。
  論文  参考訳（メタデータ） (2023-10-17T05:03:00Z)
• Efficient Graph Neural Network Inference at Large Scale [54.89457550773165]
  グラフニューラルネットワーク(GNN)は、幅広いアプリケーションで優れた性能を示している。 既存のスケーラブルなGNNは、線形伝搬を利用して特徴を前処理し、トレーニングと推論の手順を高速化する。 本稿では,そのトポロジ情報に基づいて各ノードに対してパーソナライズされた伝搬順序を生成する適応的伝搬順序法を提案する。
  論文  参考訳（メタデータ） (2022-11-01T14:38:18Z)
• Light curve completion and forecasting using fast and scalable Gaussian processes (MuyGPs) [0.0]
  商用オフザシェルフ(COTS)カメラによる地上観測は、高精度の機器に比べて安価である。 ノイズの多い観測と組み合わされたセンサの可用性は、ギャップの多い時系列データを生成することができる。 ディープニューラルネットワーク(DNN)は、複雑な非線形埋め込みを学習する経験的成功によって、選択のツールとなっている。
  論文  参考訳（メタデータ） (2022-08-31T01:52:00Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
  我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。 我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。 私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
  論文  参考訳（メタデータ） (2020-11-17T12:52:18Z)

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。