論文の概要: NavFormer: IGRF Forecasting in Moving Coordinate Frames

• arxiv url: http://arxiv.org/abs/2601.18800v2
• Date: Wed, 28 Jan 2026 03:06:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 02:21:38.51281
• Title: NavFormer: IGRF Forecasting in Moving Coordinate Frames
• Title（参考訳）: NavFormer: 移動座標フレームにおけるIGRF予測
• Authors: Yoontae Hwang, Dongwoo Lee, Minseok Choi, Heechan Park, Yong Sup Ihn, Daham Kim, Deok-Young Lee,
• Abstract要約: NavFormerはこの不変ターゲットを回転不変スカラー特徴で予測する。 カノニカルSPDモジュールは、符号の不連続性なしにトリアドのウィンドウレベル第2モーメントのスペクトルを安定化する。 実験では、標準訓練における強いベースラインよりも低い誤差、少ないショットトレーニング、ゼロショット転送が示される。
• 参考スコア（独自算出の注目度）: 10.978037636292923
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Triad magnetometer components change with sensor attitude even when the IGRF total intensity target stays invariant. NavFormer forecasts this invariant target with rotation invariant scalar features and a Canonical SPD module that stabilizes the spectrum of window level second moments of the triads without sign discontinuities. The module builds a canonical frame from a Gram matrix per window and applies state dependent spectral scaling in the original coordinates. Experiments across five flights show lower error than strong baselines in standard training, few shot training, and zero shot transfer. The code is available at: https://anonymous.4open.science/r/NavFormer-Robust-IGRF-Forecasting-for-Autonomous-Navigators-0765
• Abstract（参考訳）: IGRF全強度目標が不変である場合でも、センサの姿勢によって3つの磁力計成分が変化する。 NavFormerはこの不変ターゲットを回転不変スカラー特徴と、符号の不連続性のないトリアドのウィンドウレベル第2モーメントのスペクトルを安定化するカノニカルSPDモジュールで予測する。 モジュールは窓ごとのグラム行列から標準フレームを構築し、元の座標に状態依存スペクトルスケーリングを適用する。 5回の飛行実験では、標準訓練では強いベースラインよりも誤差が低く、射撃訓練がほとんどなく、ショット転送もゼロであった。 https://anonymous.4open.science/r/NavFormer-Robust-IGRF-Forecasting-for-Autonomous-Navigators-0765

関連論文リスト

• Leveraging Transformer Decoder for Automotive Radar Object Detection [9.764772760421792]
  本稿では,新しいトランスフォーマーデコーダを用いた3次元レーダオブジェクト検出のためのトランスフォーマーベースアーキテクチャを提案する。 Pyramid Token Fusion (PTF)は、特徴ピラミッドを統一されたスケール対応トークンシーケンスに変換する。 我々はRADDet上で提案したフレームワークを評価し、最先端のレーダー専用ベースラインよりも大幅に改善した。
  論文  参考訳（メタデータ） (2026-01-19T20:44:24Z)
• SDG-Track: A Heterogeneous Observer-Follower Framework for High-Resolution UAV Tracking on Embedded Platforms [11.029096488950414]
  エッジデバイス上での小型無人航空機(UAV)のリアルタイム追跡は、根本的な解像度と速度の衝突に直面している。 本稿では,この競合を解消するためにObserver-Followerアーキテクチャを採用するスパース検出ガイドトラッカーを提案する。 地上対空追跡実験では、SDG-Trackはフレーム毎の検出精度の97.2%を維持しながら35.1 FPSシステムスループットを達成した。
  論文  参考訳（メタデータ） (2025-12-04T15:11:43Z)
• MG-Nav: Dual-Scale Visual Navigation via Sparse Spatial Memory [31.442399437713547]
  MG-Navは、ゼロショットビジュアルナビゲーションのためのデュアルスケールフレームワークである。 グローバルメモリ誘導計画と局所的幾何学的制御を統一する。
  論文  参考訳（メタデータ） (2025-11-27T16:43:21Z)
• SwiTrack: Tri-State Switch for Cross-Modal Object Tracking [74.15663758681849]
  クロスモーダルオブジェクトトラッキング(CMOT)は、ビデオストリームが異なるモード間で切り替える間、ターゲットの一貫性を維持する新しいタスクである。 SwiTrackは3つの特別なストリームを配置することでCMOTを再定義する新しいステートスイッチングフレームワークである。
  論文  参考訳（メタデータ） (2025-11-20T10:52:54Z)
• GaussNav: Gaussian Splatting for Visual Navigation [92.13664084464514]
  インスタンスイメージゴールナビゲーション(IIN)では、エージェントが探索されていない環境で、目標画像に描かれた特定のオブジェクトを見つける必要がある。 視覚ナビゲーションのためのガウススティング(GaussNav)であるIINの新しいフレームワークを提案し、3次元ガウススティング(DGS)に基づく新しい地図表現を構築した。 当社のGaussNavフレームワークは,Habitat-Matterport 3D(HM3D)データセットにおいて,SPL(Path Length)によるSuccessの重み付けを0.347から0.578に増加させ,大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2024-03-18T09:56:48Z)
• MGTR: Multi-Granular Transformer for Motion Prediction with LiDAR [7.135065870025928]
  我々は,異なる種類のトラフィックエージェントに対して,異なる粒度のコンテキスト特徴を利用するエンコーダデコーダネットワークであるMulti-Granular TRansformer (MGTR) フレームワークを提案する。 我々は,オープンデータセットの動作予測ベンチマーク上でMGTRを評価し,提案手法が最先端のパフォーマンスを達成し,リーダボードで1位となったことを示す。
  論文  参考訳（メタデータ） (2023-12-05T00:48:31Z)
• LiDAR-based 4D Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
  本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。 提案するDS-Netは,両タスクの現在の最先端手法よりも優れた精度を実現する。 DS-Netを4次元パノプティカルLiDARセグメンテーションに拡張し、一列のLiDARフレーム上で時間的に統一されたインスタンスクラスタリングを行う。
  論文  参考訳（メタデータ） (2022-03-14T15:25:42Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)

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。