論文の概要: Kalman Filtering Based Flight Management System Modeling for AAM Aircraft

• arxiv url: http://arxiv.org/abs/2602.14948v1
• Date: Mon, 16 Feb 2026 17:29:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.490585
• Title: Kalman Filtering Based Flight Management System Modeling for AAM Aircraft
• Title（参考訳）: AAM航空機のカルマンフィルタに基づく飛行管理システムモデリング
• Authors: Balram Kandoria, Aryaman Singh Samyal,
• Abstract要約: AAM車両の現在の不確実性推定法は、保守線形モデルに依存している。 本稿では,カルマンフィルタを用いた不確実性伝播法を提案する。 本手法は一般航空機のADS-Bデータを用いて検証する。
• 参考スコア（独自算出の注目度）: 0.688204255655161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advanced Aerial Mobility (AAM) operations require strategic flight planning services that predict both spatial and temporal uncertainties to safely validate flight plans against hazards such as weather cells, restricted airspaces, and CNS disruption areas. Current uncertainty estimation methods for AAM vehicles rely on conservative linear models due to limited real-world performance data. This paper presents a novel Kalman Filter-based uncertainty propagation method that models AAM Flight Management System (FMS) architectures through sigmoid-blended measurement noise covariance. Unlike existing approaches with fixed uncertainty thresholds, our method continuously adapts the filter's measurement trust based on progress toward waypoints, enabling FMS correction behavior to emerge naturally. The approach scales proportionally with control inputs and is tunable to match specific aircraft characteristics or route conditions. We validate the method using real ADS-B data from general aviation aircraft divided into training and verification sets. Uncertainty propagation parameters were tuned on the training set, achieving 76% accuracy in predicting arrival times when compared against the verification dataset, demonstrating the method's effectiveness for strategic flight plan validation in AAM operations.
• Abstract（参考訳）: アドバンスト・エアリアル・モビリティ(AAM)の運用では、気象細胞、制限空域、CNS破壊領域などの危険に対して飛行計画を安全に検証するために、空間的および時間的不確実性の両方を予測する戦略的飛行計画サービスを必要としている。 AAM車両の現在の不確実性推定法は、実世界の性能データに制限があるため、保守的な線形モデルに依存している。 本稿では,Sigmoid-blended Measurement noise Covarianceを用いて,AAM Flight Management System (FMS) アーキテクチャをモデル化した新しいカルマンフィルタに基づく不確実性伝搬法を提案する。 固定された不確実性しきい値を持つ既存手法とは異なり,本手法は経路点への進行に基づくフィルタの信頼度を継続的に調整し,FMS補正動作を自然に実現している。 アプローチは制御入力と比例してスケールし、特定の航空機の特性や経路条件に合わせて調整可能である。 一般航空機から得られた実ADS-Bデータを用いて,本手法を訓練と検証セットに分割して検証する。 不確かさの伝搬パラメータをトレーニングセットに調整し、検証データセットと比較した場合の到着時刻を76%精度で予測し、AAM操作における戦略的飛行計画検証の有効性を実証した。

関連論文リスト

• Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
  本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。 スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。 退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
  論文  参考訳（メタデータ） (2026-03-13T11:09:50Z)
• Evaluating Large Language Models for Time Series Anomaly Detection in Aerospace Software [46.75681367373185]
  時系列異常検出(TSAD)は、航空宇宙ソフトウェアシステムの安全性と信頼性を確保するために不可欠である。 大規模言語モデル(LLM)は、教師なしアプローチに代わる、有望なトレーニングなしの代替手段を提供する。 ATSADBenchは航空宇宙TSADの最初のベンチマークである。
  論文  参考訳（メタデータ） (2026-01-18T15:07:16Z)
• A Future Capabilities Agent for Tactical Air Traffic Control [0.0]
  エージェント・マラード(Agens Mallard)は、システム化された空域における制御のためのルールベースの戦術的エージェントである。 このアーキテクチャは、モデルに基づく安全性評価、解釈可能な決定論理、およびトラクタブルな計算性能を組み合わせることを意図している。
  論文  参考訳（メタデータ） (2026-01-07T14:19:46Z)
• Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models [60.728124907335]
  本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。 我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-12-09T17:20:56Z)
• Robust Vision-Based Runway Detection through Conformal Prediction and Conformal mAP [1.3794573109655741]
  視覚ベースランディングシステム(VLS)における滑走路検出のための統計的不確実性保証のための共形予測の利用について検討する。 航空画像上でのYOLOv5とYOLOv6の微調整モデルを用いて,ユーザが定義したリスクレベル下での局所化信頼性の定量化に共形予測を適用した。 その結果,不確実性を統計的に健全な方法で定量化することにより,コンフォメーション予測により滑走路検出の信頼性が向上できることが示唆された。
  論文  参考訳（メタデータ） (2025-05-22T14:52:59Z)
• Machine Learning-Enhanced Aircraft Landing Scheduling under Uncertainties [14.474624795989824]
  自動化と安全性の向上を目的とした,革新的な機械学習(ML)強化型ランディングスケジューリング手法を提案する。 ML予測は、時間制約のある旅行セールスマン問題の定式化において、安全制約として統合される。 ケーススタディでは、FCFS(First-Come-First-Served)ルールと比較して、総着陸時間が平均17.2%減少している。
  論文  参考訳（メタデータ） (2023-11-27T17:50:14Z)
• Big data-driven prediction of airspace congestion [40.02298833349518]
  国立航空宇宙システム(NAS)内の特定の空域セクターの航空機数を正確に予測する新しいデータ管理・予測システムを提案する。 前処理ステップでは、システムは受信した生データを処理し、それをコンパクトなサイズに減らし、コンパクトなデータベースに格納する。 予測段階において、システムは歴史的軌跡から学習し、そのセグメントを使用して、セクター境界交差、気象パラメータ、その他の航空交通データなどの重要な特徴を収集する。
  論文  参考訳（メタデータ） (2023-10-13T09:57:22Z)
• Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
  軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。 従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。 本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
  論文  参考訳（メタデータ） (2023-09-26T14:20:09Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) [101.80862265018033]
  垂直離着陸機(VTOL)が配車サービスに使用される都市空力(UAM)が提案されている。 UAMでは、航空機はエアロドロムを繋ぐ廊下として知られる指定空域で運用することができる。 GBSと航空機間の信頼性の高い通信網により、UAMは適切に空域を利用することができる。
  論文  参考訳（メタデータ） (2021-12-26T14:41:52Z)
• Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
  WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
  論文  参考訳（メタデータ） (2020-11-26T18:51:26Z)

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。