論文の概要: Statistical-Geometric Degeneracy in UAV Search: A Physics-Aware Asymmetric Filtering Approach

• arxiv url: http://arxiv.org/abs/2602.15893v1
• Date: Wed, 11 Feb 2026 08:33:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.369767
• Title: Statistical-Geometric Degeneracy in UAV Search: A Physics-Aware Asymmetric Filtering Approach
• Title（参考訳）: UAVサーチにおける統計的幾何学的デジェネシー:物理を意識した非対称フィルタリング手法
• Authors: Zhiyuan Ren, Yudong Fang, Tao Zhang, Wenchi Cheng, Ben Lan,
• Abstract要約: 無人航空機 (UAV) を用いた災害後の生存者の移動は、基本的な物理的課題に直面している。 標準ガウスノイズとは異なり、破片からの信号反射は厳密に非負の範囲バイアスをもたらす。 既存のロバストな推定器は一般に対称損失関数で設計され、暗黙的に誤差対称性の仮定に依存する。 我々はNLOSバイアスの非負の物理先行を明示的に組み込んだ物理基底解 AsymmetricHuberEKF を提案する。
• 参考スコア（独自算出の注目度）: 23.49656058107753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-disaster survivor localization using Unmanned Aerial Vehicles (UAVs) faces a fundamental physical challenge: the prevalence of Non-Line-of-Sight (NLOS) propagation in collapsed structures. Unlike standard Gaussian noise, signal reflection from debris introduces strictly non-negative ranging biases. Existing robust estimators, typically designed with symmetric loss functions (e.g., Huber or Tukey), implicitly rely on the assumption of error symmetry. Consequently, they experience a theoretical mismatch in this regime, leading to a phenomenon we formally identify as Statistical-Geometric Degeneracy (SGD)-a state where the estimator stagnates due to the coupling of persistent asymmetric bias and limited observation geometry. While emerging data-driven approaches offer alternatives, they often struggle with the scarcity of training data and the sim-to-real gap inherent in unstructured disaster zones. In this work, we propose a physically-grounded solution, the AsymmetricHuberEKF, which explicitly incorporates the non-negative physical prior of NLOS biases via a derived asymmetric loss function. Theoretically, we show that standard symmetric filters correspond to a degenerate case of our framework where the physical constraint is relaxed. Furthermore, we demonstrate that resolving SGD requires not just a robust filter, but specific bilateral information, which we achieve through a co-designed active sensing strategy. Validated in a 2D nadir-view scanning scenario, our approach significantly accelerates convergence compared to symmetric baselines, offering a resilient building block for search operations where data is scarce and geometry is constrained.
• Abstract（参考訳）: 無人航空機(UAVs)を用いた災害後生存者の移動は、崩壊した構造物における非視線伝播(NLOS)の出現率という、基本的な物理的課題に直面している。 標準ガウスノイズとは異なり、破片からの信号反射は厳密に非負の範囲バイアスをもたらす。 既存のロバストな推定器は、一般に対称損失関数(例えば、フーバーやテューキー)で設計され、暗黙的に誤差対称性の仮定に依存する。 その結果、彼らは理論的なミスマッチを経験し、我々は公式に統計幾何学的縮退(SGD)と同定する現象に繋がった。 新たなデータ駆動アプローチは代替手段を提供するが、トレーニングデータの不足と、非構造的災害ゾーンに固有のsim-to-realギャップに苦慮することが多い。 本研究では,NLOSバイアスの非負の物理偏差を導出的非対称損失関数によって明示的に包含する物理基底解 AsymmetricHuberEKF を提案する。 理論的には、標準対称フィルタは、物理的制約が緩和されるフレームワークの退化ケースに対応することを示す。 さらに,SGDの解決には,頑健なフィルタだけでなく,協調設計したアクティブセンシング戦略によって実現した,特定の二元情報が必要であることを実証する。 2次元ナディル・ビュー・スキャニングのシナリオで検証された本手法は,データの不足や幾何の制約がある探索操作にレジリエントなビルディングブロックを提供するため,対称ベースラインに比べて収束を著しく加速する。

関連論文リスト

• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
  マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。 検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。 本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
  論文  参考訳（メタデータ） (2026-01-28T08:33:10Z)
• Perfect Clustering for Sparse Directed Stochastic Block Models [1.3464152928754485]
  スパース指向SBMにおけるコミュニティ検出のための非スペクトル2段階手法を提案する。 提案手法はまず,非対称設定に適した近傍平滑化スキームを用いて有向確率行列を推定する。 提案手法は,有向スペクトル法とスコア法が劣化した状況下で確実に動作可能であることを示す。
  論文  参考訳（メタデータ） (2026-01-23T03:53:20Z)
• The Procrustean Bed of Time Series: The Optimization Bias of Point-wise Loss [53.542743390809356]
  本稿では,最適化バイアス(EOB)の期待に関する第一原理解析を提案する。 時間列が決定論的で構造化されるほど、ポイントワイドの損失関数によるバイアスがより厳しくなる。 本稿では,DFTとDWTの両原理を同時に実現する具体的ソリューションを提案する。
  論文  参考訳（メタデータ） (2025-12-21T06:08:22Z)
• A Bayesian Framework for Symmetry Inference in Chaotic Attractors [0.0]
  候補部分群の格子上での確率的モデル選択として対称性検出を定式化する枠組みを提案する。 人間の歩行力学への応用は、機械的制約によって引き起こされる対称性の変化を明らかにする。
  論文  参考訳（メタデータ） (2025-10-18T13:49:35Z)
• Joint Asymmetric Loss for Learning with Noisy Labels [95.14298444251044]
  対称的な損失は通常、過度に厳格な制約のために不適合な問題に悩まされる。 APL内では、対称的な損失がうまく拡張され、高度なロバストな損失関数が得られた。 JAL(Joint Asymmetric Loss)と呼ばれる新しいロバスト損失フレームワークを導入する。
  論文  参考訳（メタデータ） (2025-07-23T16:57:43Z)
• Generalized Linear Mode Connectivity for Transformers [87.32299363530996]
  驚くべき現象はリニアモード接続(LMC)であり、独立に訓練されたモデルを低損失またはゼロ損失の経路で接続することができる。 以前の研究は主に置換によるニューロンの並べ替えに焦点を合わせてきたが、そのようなアプローチは範囲に限られている。 我々は、4つの対称性クラス(置換、半置換、変換、一般可逆写像)をキャプチャする統一的なフレームワークを導入する。 この一般化により、独立に訓練された視覚変換器とGPT-2モデルの間の低障壁とゼロバリア線形経路の発見が可能となった。
  論文  参考訳（メタデータ） (2025-06-28T01:46:36Z)
• Robust Mixed-State Cluster States and Spurious Topological Entanglement Negativity [2.8391355909797644]
  局所デコヒーレンス下での1Dおよび2Dクラスター状態について検討し, 混合状態のサブシステム対称性を保護した位相秩序のロバスト性を評価する。 ノイズが強いサブシステム対称性を尊重する場合,混合状態SSPT順序は最大デコヒーレンス率まで著しく頑健であることを示す。
  論文  参考訳（メタデータ） (2025-04-22T18:00:02Z)
• Noise-resilient Edge Modes on a Chain of Superconducting Qubits [103.93329374521808]
  量子系の遺伝対称性は、それ以外は脆弱な状態を保護することができる。 非局所マヨラナエッジモード(MEM)を$mathbbZ$パリティ対称性で表す一次元キックドイジングモデルを実装した。 MEMは、予熱機構により特定の対称性を破るノイズに対して弾力性があることが判明した。
  論文  参考訳（メタデータ） (2022-04-24T22:34:15Z)
• Symmetry Breaking in Symmetric Tensor Decomposition [44.181747424363245]
  我々は、対称テンソルの点階分解を計算する非対称問題を考える。 損失関数の臨界点が標準手法によって検出されることを示す。
  論文  参考訳（メタデータ） (2021-03-10T18:11:22Z)
• Robustness of critical U(1) spin liquids and emergent symmetries in tensor networks [0.0]
  臨界共鳴バレンスボンド (RVB) スピン液体の長距離一重項ドーピングに対する応答について検討した。 RVBではドーピングが関連する摂動を構成することが分かり、すぐにギャップが開きます。
  論文  参考訳（メタデータ） (2020-08-11T16:29:20Z)
• Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
  我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。 暗黙正則化現象の理論的保証を提供する。
  論文  参考訳（メタデータ） (2020-07-16T13:27:47Z)

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。