論文の概要: Robust Underwater Localization of Buoyancy Driven microFloats Using Acoustic Time-of-Flight Measurements
- arxiv url: http://arxiv.org/abs/2512.12233v1
- Date: Sat, 13 Dec 2025 08:14:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.326412
- Title: Robust Underwater Localization of Buoyancy Driven microFloats Using Acoustic Time-of-Flight Measurements
- Title（参考訳）: 音響飛行時間計測による浮力駆動型マイクロフロートのロバスト水中局在
- Authors: Murad Mehrab Abrar, Trevor W. Harrison,
- Abstract要約: 沿岸海域における浮力駆動型マイクロフロートのためのロバストで低コストなローカライゼーションパイプラインを提案する。
本研究では、双方向音響時間(ToF)ローカライゼーションフレームワークを導入することで、従来の作業の上に構築する。
ワシントンD.C.のPuget Soundにおける2つのフィールド展開におけるフレームワークの検証を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate underwater localization remains a challenge for inexpensive autonomous platforms that require highfrequency position updates. In this paper, we present a robust, low-cost localization pipeline for buoyancy-driven microFloats operating in coastal waters. We build upon previous work by introducing a bidirectional acoustic Time-of-Flight (ToF) localization framework, which incorporates both float-to-buoy and buoy-to-float transmissions, thereby increasing the number of usable measurements. The method integrates nonlinear trilateration with a filtering of computed position estimates based on geometric cost and Cramer-Rao Lower Bounds (CRLB). This approach removes outliers caused by multipath effects and other acoustic errors from the ToF estimation and improves localization robustness without relying on heavy smoothing. We validate the framework in two field deployments in Puget Sound, Washington, USA. The localization pipeline achieves median positioning errors below 4 m relative to GPS positions. The filtering technique shows a reduction in mean error from 139.29 m to 12.07 m, and improved alignment of trajectories with GPS paths. Additionally, we demonstrate a Time-Difference-of-Arrival (TDoA) localization for unrecovered floats that were transmitting during the experiment. Range-based acoustic localization techniques are widely used and generally agnostic to hardware-this work aims to maximize their utility by improving positioning frequency and robustness through careful algorithmic design.
- Abstract（参考訳）: 高精度な水中局地化は、高周波位置更新を必要とする安価な自律プラットフォームにとって依然として課題である。
本稿では,沿岸海域における浮力駆動型マイクロフロートのためのロバストで低コストなローカライゼーションパイプラインを提案する。
本研究では,フロート・トゥ・ブイとブイ・トゥ・フロート・トランスミッションの両方を組み込んだ双方向音響時間(ToF)ローカライズ・フレームワークを導入し,使用可能な測定値の増大を図る。
この手法は、幾何学的コストとクラマー・ラオ下界(CRLB)に基づいて計算された位置推定値のフィルタリングと非線形三値化を統合する。
提案手法では,ToF推定からマルチパス効果などの音響誤差による異常を除去し,過度な平滑化を伴わずに局所化ロバスト性を向上させる。
ワシントンD.C.のPuget Soundにおける2つのフィールド展開におけるフレームワークの検証を行った。
ローカライゼーションパイプラインはGPS位置に対して4m以下の中央位置誤差を達成している。
フィルタリング技術は平均誤差を139.29mから12.07mに減らし、軌道とGPS経路のアライメントを改善した。
さらに、実験中に送信された未発見フロートに対するTDoA(Time-Difference-of-Arrival)のローカライゼーションを実証した。
レンジベース音響ローカライゼーション技術は広く利用されており、ハードウェアに依存しない。この研究は、注意深くアルゴリズム設計することで、位置決め周波数とロバスト性を改善することで、その実用性を最大化することを目的としている。
関連論文リスト
- Degeneracy-Resilient Teach and Repeat for Geometrically Challenging Environments Using FMCW Lidar [18.593167038234828]
Teach and Repeat(T&R)のトポロジカルナビゲーションにより、ロボットはGPSに頼ることなく、事前に走行した経路を自律的に繰り返すことができる。
本稿では,ドップラー速度に基づくドップラー計測とデジェネリアシー・アウェア・スキャン・トゥ・マップ・ローカライゼーションからなる周波数変調連続波ライダーT&Rナビゲーションシステムを提案する。
論文 参考訳（メタデータ） (2026-03-10T21:57:08Z) - CFEAR-Teach-and-Repeat: Fast and Accurate Radar-only Localization [3.8878015902629977]
単一回転レーダを用いた教示・繰り返しローカライゼーションパイプラインCFEAR-TRを提案する。
本手法は,学習パスから保存したスキャンと,最近の生活のスライディングウインドウとを協調的に組み合わせることで,ローカライズする。
Boreasデータセットのホールドアウトテストシーケンスの実験では、CFEAR-TRが0.117mと0.096の精度でローカライズ可能であることが示された。
論文 参考訳（メタデータ） (2026-03-06T17:35:58Z) - Noise-Robust Tiny Object Localization with Flows [63.60972031108944]
フレキシブルなエラーモデリングと不確実性誘導最適化に正規化フローを活用するノイズローバストローカライゼーションフレームワークを提案する。
本手法は,フローベース誤差モデルを用いて,複雑な非ガウス予測分布を抽出し,ノイズの多い監視下で頑健な学習を可能にする。
不確実性を考慮した勾配変調機構は、トレーニングを安定化しながら過度な適合を緩和し、高不確実でノイズの強いサンプルからの学習をさらに抑制する。
論文 参考訳（メタデータ） (2026-01-02T09:16:55Z) - DoPE: Denoising Rotary Position Embedding [60.779039511252584]
トランスフォーマーモデルにおける回転位置埋め込み(RoPE)は、長さを弱める固有の限界を持つ。
ノイズのある特徴写像として位置符号化を用いたアテンションマップを再解釈し、位置補間ページ(DoPE)を提案する。
DoPEは、トランカテッド行列エントロピーに基づくトレーニング不要な手法であり、特徴写像における外乱周波数帯域を検出する。
論文 参考訳（メタデータ） (2025-11-12T09:32:35Z) - Semantic-Aware Particle Filter for Reliable Vineyard Robot Localisation [4.0016757648498205]
屋外環境における移動ロボットのローカライゼーションは重要であるが、LiDARベースの手法はブドウ畑では失敗することが多い。
本研究では,安定なオブジェクトレベル検出,具体的にはブドウ幹を含むセマンティック粒子フィルタを提案する。
セマンティックの壁は、隣接するランドマークを行エイリアスを緩和する擬似構造制約に接続する。
提案手法は, 正しい行内のローカライゼーションを維持し, AMCLが故障した場合のずれから回復し, RTAB-Mapなどの視覚ベースのSLAM法より優れる。
論文 参考訳（メタデータ） (2025-09-22T19:04:31Z) - Data-Driven Reconstruction of Significant Wave Heights from Sparse Observations [3.356199201143573]
マルチスケールU-NetとMLPを融合したハイブリッドディープラーニングフレームワークであるAUWaveを紹介する。
データリッチな構成において、AUWaveが代表的ベースラインを一貫して上回ることを示す。
アーキテクチャのマルチスケールおよびアテンションコンポーネントは、最小でも非自明な空間アンカーが利用できる場合、精度が向上する。
論文 参考訳（メタデータ） (2025-09-21T14:12:28Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳（メタデータ） (2025-09-11T18:52:16Z) - Incorporating GNSS Information with LIDAR-Inertial Odometry for Accurate Land-Vehicle Localization [1.9684593154403558]
高精度な3Dポイントクラウドマップのロバストなローカライゼーションを実現するLIDARベースの新しいローカライゼーションフレームワークを提案する。
このシステムは,LIDARを用いたオドメトリーとグローバル情報を統合し,位置決め状態を最適化する。
このアルゴリズムは、異なるデータセットの様々なマップでテストされ、他のローカライズアルゴリズムよりも堅牢性と精度が高い。
論文 参考訳（メタデータ） (2025-03-29T19:41:31Z) - Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。
本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
論文 参考訳（メタデータ） (2023-03-09T11:51:20Z) - FedSpeed: Larger Local Interval, Less Communication Round, and Higher
Generalization Accuracy [84.45004766136663]
フェデレートラーニング(Federated Learning)は、分散機械学習フレームワークである。
これは、局所的不整合最適と局所的過度な適合による頑丈なクライアントドリフトによってもたらされる非消滅バイアスに悩まされる。
本稿では,これらの問題による負の影響を軽減するために,新しい実用的手法であるFedSpeedを提案する。
論文 参考訳（メタデータ） (2023-02-21T03:55:29Z)
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。