論文の概要: Understanding Sensor Vulnerabilities in Industrial XR Tracking

• arxiv url: http://arxiv.org/abs/2602.14413v1
• Date: Mon, 16 Feb 2026 02:42:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.052082
• Title: Understanding Sensor Vulnerabilities in Industrial XR Tracking
• Title（参考訳）: 産業用XRトラッキングにおけるセンサ脆弱性の理解
• Authors: Sourya Saha, Md. Nurul Absur,
• Abstract要約: 拡張現実感(XR)システムは、連続した6自由度ポーズトラッキングに視覚慣性オドメトリー(VIO)に依存している。 本稿では, 劣化検知下でのVIO挙動の制御実験について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Extended Reality (XR) systems deployed in industrial and operational settings rely on Visual--Inertial Odometry (VIO) for continuous six-degree-of-freedom pose tracking, yet these environments often involve sensing conditions that deviate from ideal assumptions. Despite this, most VIO evaluations emphasize nominal sensor behavior, leaving the effects of sustained sensor degradation under operational conditions insufficiently understood. This paper presents a controlled empirical study of VIO behavior under degraded sensing, examining faults affecting visual and inertial modalities across a range of operating regimes. Through systematic fault injection and quantitative evaluation, we observe a pronounced asymmetry in fault impact where degradations affecting visual sensing typically lead to bounded pose errors on the order of centimeters, whereas degradations affecting inertial sensing can induce substantially larger trajectory deviations, in some cases reaching hundreds to thousands of meters. These observations motivate greater emphasis on inertial reliability in the evaluation and design of XR systems for real-life industrial settings.
• Abstract（参考訳）: 産業および運用環境で展開される拡張現実感(XR)システムは、6自由度ポーズトラッキングのための視覚慣性オドメトリー(VIO)に依存している。 それにもかかわらず、ほとんどのVIO評価は名目上のセンサーの挙動を強調しており、運転条件下での持続的なセンサー劣化の影響は十分に理解されていない。 本稿では,視覚的・慣性的モダリティに影響を及ぼす欠陥を,様々なオペレーショナル・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティック・システマティックス)を用いて検討した。 組織的な断層注入と定量的評価により、視覚知覚に影響を及ぼす劣化が通常、センチメートルのオーダーで有界ポーズ誤差を引き起こす断層衝突の顕著な非対称性を観察する一方、慣性センシングに影響を及ぼす劣化は、数百から数千メートルに達する場合において、はるかに大きな軌道偏差を誘発する。 これらの観測は、実生活の産業環境でのXRシステムの評価と設計において慣性信頼性に重点を置いている。

関連論文リスト

• ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM [5.5217350574838875]
  視覚-慣性SLAM性能を向上させる新しいフレームワークであるICD-Netを提案する。 従来のVINS-Fusionと比較して,軌道推定精度は有意に向上した。 ニューラルネットワークの強化は,SLAM劣化の複数の要因に効果的に対処できることを示す。
  論文  参考訳（メタデータ） (2025-11-13T11:25:02Z)
• The power of dynamic causality in observer-based design for soft sensor applications [0.7965327033045845]
  本稿では,動的因果解析により観測者に基づくソフトセンサを最適化するための新しい枠組みを提案する。 センサ選択への伝統的なアプローチは、複雑なシステムの時間的進化を捉えるのに失敗する線形化された可観測性指数や統計的相関に依存することが多い。
  論文  参考訳（メタデータ） (2025-09-14T16:27:58Z)
• Detection and Recovery of Adversarial Slow-Pose Drift in Offloaded Visual-Inertial Odometry [0.0]
  エッジサーバにVIOをオフロードする現在のトレンドは、サーバ側の脅威表面を導く可能性がある。 非教師付きラベルなし検出・回復機構を提案する。 ILLIXRテストベッドを用いたリアルオフロードVIO環境におけるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2025-09-08T18:31:40Z)
• Verification of Visual Controllers via Compositional Geometric Transformations [49.81690518952909]
  到達可能な集合の外部近似を生成できる知覚ベースのコントローラのための新しい検証フレームワークを提案する。 提案手法の音質を理論的に保証し,ベンチマーク制御環境における有効性を示す。
  論文  参考訳（メタデータ） (2025-07-06T20:22:58Z)
• Digital twin for virtual sensing of ferry quays via a Gaussian Process Latent Force Model [0.0]
  フェリーは、厳しい海洋環境やフェリーの衝撃にさらされるため、急速に劣化する。 仮想センシング技術は、デジタルツインの確立と構造応答の推定に欠かせないものとなっている。 本研究では, ガウス過程潜水力モデルを用いて, マジェホルムフェリーの仮想センシングを行った。
  論文  参考訳（メタデータ） (2025-06-17T19:14:11Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• On the Importance of Accurate Geometry Data for Dense 3D Vision Tasks [61.74608497496841]
  不正確または破損したデータのトレーニングは、モデルバイアスとハマーズ一般化能力を誘導する。 本稿では,深度推定と再構成における高密度3次元視覚課題に対するセンサ誤差の影響について検討する。
  論文  参考訳（メタデータ） (2023-03-26T22:32:44Z)
• Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
  オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。 異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
  論文  参考訳（メタデータ） (2021-07-28T10:19:58Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• RelSen: An Optimization-based Framework for Simultaneously Sensor Reliability Monitoring and Data Cleaning [7.359795285967954]
  ほとんどのセンサアプリケーションでは、センサーはエラーを起こしやすいことが知られており、その測定は予想外のタイミングで誤解を招く可能性がある。 既存の研究では、センサーの信頼性の監視とセンサデータのクリーニングを別の問題と見なすことが多い。 本稿では,これら2つの問題に相互依存を利用して同時に対処する,新しい最適化ベースのフレームワークであるRelSenを提案する。
  論文  参考訳（メタデータ） (2020-04-19T03:52:25Z)

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。