論文の概要: Predictive Modeling of Maritime Radar Data Using Transformer Architecture

• arxiv url: http://arxiv.org/abs/2512.17098v2
• Date: Mon, 22 Dec 2025 09:17:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 14:49:56.317997
• Title: Predictive Modeling of Maritime Radar Data Using Transformer Architecture
• Title（参考訳）: 変圧器構造を用いた海面レーダデータの予測モデリング
• Authors: Bjorna Qesaraku, Jan Steckel,
• Abstract要約: 変圧器アーキテクチャはAISに基づく軌道予測に革命をもたらし、ソナーフレーム予測の実現可能性を示した。 文献ではソナー検出のためのトランスフォーマーに基づくフレーム予測が実証されているが,従来の作業ではトランスフォーマーを用いた海上レーダフレーム予測は行われていない。
• 参考スコア（独自算出の注目度）: 1.0116530711210054
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Maritime autonomous systems require robust predictive capabilities to anticipate vessel motion and environmental dynamics. While transformer architectures have revolutionized AIS-based trajectory prediction and demonstrated feasibility for sonar frame forecasting, their application to maritime radar frame prediction remains unexplored, creating a critical gap given radar's all-weather reliability for navigation. This survey systematically reviews predictive modeling approaches relevant to maritime radar, with emphasis on transformer architectures for spatiotemporal sequence forecasting, where existing representative methods are analyzed according to data type, architecture, and prediction horizon. Our review shows that, while the literature has demonstrated transformer-based frame prediction for sonar sensing, no prior work addresses transformer-based maritime radar frame prediction, thereby defining a clear research gap and motivating a concrete research direction for future work in this area.
• Abstract（参考訳）: 海上自律システムは、船舶の動きと環境力学を予測するために堅牢な予測能力を必要とする。 トランスフォーマーアーキテクチャはAISベースの軌道予測に革命をもたらし、ソナーフレーム予測の可能性を示したが、その海洋レーダーフレーム予測への適用はまだ探索されていない。 本研究では, 海洋レーダに関連する予測モデリング手法を, 時空間列予測のためのトランスフォーマーアーキテクチャに着目し, 既存の代表手法をデータタイプ, アーキテクチャ, 予測地平線に基づいて解析する手法について, 体系的に検討した。 本稿では, ソナーセンシングのためのトランスフォーマーベースフレーム予測を実証しているが, 先行作業ではトランスフォーマーベース海洋レーダフレーム予測は行わず, 明確な研究ギャップが定義され, 今後の研究に向けた具体的な研究方向性が示唆されている。

関連論文リスト

• Forecasting Seismic Waveforms: A Deep Learning Approach for Einstein Telescope [46.4942794596355]
  我々は、アインシュタイン望遠鏡のような将来の重力波検出器の文脈において、3成分地震波形を予測する変圧器に基づくモデルであるtextitSeismoGPTを紹介した。 波形データから直接時間的および空間的依存関係を学習することにより、SeesmoGPTは現実的な地動パターンを捉え、正確な短期予測を提供する。
  論文  参考訳（メタデータ） (2025-09-25T19:16:13Z)
• DiffuTraj: A Stochastic Vessel Trajectory Prediction Approach via Guided Diffusion Process [23.42712306116432]
  船の操縦は、その固有の複雑さと不確定性によって特徴づけられ、船舶の軌道予測システムを必要とする。 従来の軌道予測法では, 容器運動の多モード性を表現するために潜伏変数を用いる。 我々は,不確実性から確実性への血管運動の遷移を明示的にシミュレートする。
  論文  参考訳（メタデータ） (2024-10-12T14:50:18Z)
• Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
  本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。 このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。 提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
  論文  参考訳（メタデータ） (2024-06-14T12:15:15Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• LOPR: Latent Occupancy PRediction using Generative Models [28.49346874213506]
  LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。 本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-03T22:04:00Z)
• Self-Supervised Action-Space Prediction for Automated Driving [0.0]
  本稿では,自動走行のための新しい学習型マルチモーダル軌道予測アーキテクチャを提案する。 学習問題を加速度と操舵角の空間に投入することにより、運動論的に実現可能な予測を実現する。 提案手法は,都市交差点とラウンドアバウトを含む実世界のデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-21T08:27:56Z)
• 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。