Fugu-MT 論文翻訳(概要): A Comparison of Bayesian Prediction Techniques for Mobile Robot Trajectory Tracking

論文の概要: A Comparison of Bayesian Prediction Techniques for Mobile Robot Trajectory Tracking

arxiv url: http://arxiv.org/abs/2602.15354v1
Date: Tue, 17 Feb 2026 04:47:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-23 08:17:41.503962
Title: A Comparison of Bayesian Prediction Techniques for Mobile Robot Trajectory Tracking
Title（参考訳）: 移動ロボット軌道追跡におけるベイズ予測手法の比較
Authors: Jose Luis Peralta-Cabezas, Miguel Torres-Torriti, Marcelo Guarini-Hermann,
Abstract要約: 本稿では,複数のロボットを追尾する問題に対して,異なる推定手法と予測手法を用いた性能比較を行った。主な性能基準は、推定誤差や予測誤差の大きさ、計算労力、非ガウス雑音に対する各手法の頑健さである。
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: This paper presents a performance comparison of different estimation and prediction techniques applied to the problem of tracking multiple robots. The main performance criteria are the magnitude of the estimation or prediction error, the computational effort and the robustness of each method to non-Gaussian noise. Among the different techniques compared are the well known Kalman filters and their different variants (e.g. extended and unscented), and the more recent techniques relying on Sequential Monte Carlo Sampling methods, such as particle filters and Gaussian Mixture Sigma Point Particle Filter.
Abstract（参考訳）: 本稿では,複数のロボットを追尾する問題に対して,異なる推定手法と予測手法を用いた性能比較を行った。主な性能基準は、推定誤差や予測誤差の大きさ、計算労力、非ガウス雑音に対する各手法の頑健さである。比較したテクニックには、よく知られたカルマンフィルタと、その異なる変種(例えば、拡張および無刺激)、そしてより最近の技術は、粒子フィルタやガウス混合シグマ点粒子フィルタのような逐次モンテカルロサンプリング法に依存している。

関連論文リスト

Variance-Reducing Couplings for Random Features [57.73648780299374]
ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
論文参考訳（メタデータ） (2024-05-26T12:25:09Z)
MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction [72.70572835589158]
本稿では,軌道予測のための正規化フローモデルに対して,混合ガウス前駆体を構築することを提案する。提案手法は,一般的な UCY/ETH および SDD データセットにおける軌道アライメントと多様性の評価において,最先端の性能を実現する。
論文参考訳（メタデータ） (2024-02-19T15:48:55Z)
Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文参考訳（メタデータ） (2024-02-15T08:51:49Z)
Unsupervised Outlier Detection using Random Subspace and Subsampling Ensembles of Dirichlet Process Mixtures [1.3258129717033857]
本稿では,ディリクレ過程のガウス混合のアンサンブルを利用した新しい外乱検出法を提案する。この教師なしのアルゴリズムは、ランダムな部分空間とサブサンプリングアンサンブルを用いて、効率的な計算を確実にし、アウタリア検出器のロバスト性を改善する。
論文参考訳（メタデータ） (2024-01-01T14:34:11Z)
Neural Operator Variational Inference based on Regularized Stein Discrepancy for Deep Gaussian Processes [22.256068524699472]
本稿では,深いガウス過程に対するニューラル演算子変分推論(NOVI)を提案する。 NOVIは、ニューラルジェネレータを使用してサンプリング装置を取得し、生成された分布と真の後部の間のL2空間における正規化スタインの離散性を最小化する。提案手法が提案するバイアスは定数で発散を乗算することで制御可能であることを示す。
論文参考訳（メタデータ） (2023-09-22T06:56:35Z)
Inferring Smooth Control: Monte Carlo Posterior Policy Iteration with Gaussian Processes [39.411957858548355]
オンラインシーケンシャル推論を用いて,よりスムーズなモデル予測因子制御を実現する方法を示す。提案手法は,いくつかのロボット制御タスクにおいて,従来の手法と一致し,スムーズさを確保しつつ評価する。
論文参考訳（メタデータ） (2022-10-07T12:56:31Z)
Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文参考訳（メタデータ） (2020-11-08T17:09:37Z)
Innovative And Additive Outlier Robust Kalman Filtering With A Robust Particle Filter [68.8204255655161]
提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
論文参考訳（メタデータ） (2020-07-07T07:11:09Z)
Multiplicative Gaussian Particle Filter [18.615555573235987]
フィルタ問題における近似推論のためのサンプリングに基づく新しい手法を提案する。有限個の状態からなる条件分布を粒子フィルタで近似するのではなく、連続関数の集合から重み付けされた関数の和で分布を近似する。
論文参考訳（メタデータ） (2020-02-29T09:19:38Z)

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。