論文の概要: Sensor Query Schedule and Sensor Noise Covariances for Accuracy-constrained Trajectory Estimation

• arxiv url: http://arxiv.org/abs/2602.16598v2
• Date: Thu, 19 Feb 2026 02:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.545247
• Title: Sensor Query Schedule and Sensor Noise Covariances for Accuracy-constrained Trajectory Estimation
• Title（参考訳）: 精度制約軌道推定のためのセンサクエリスケジュールとセンサノイズの共分散
• Authors: Abhishek Goudar, Angela P. Schoellig,
• Abstract要約: 軌道推定は、そのダイナミックモデルに関する事前の知識とセンサを用いて得られた状態のノイズ観測を組み合わせることで、移動ロボットの軌道を決定することを伴う。 センサパラメータを半定値プログラムとして推定する問題の定式化を行う。
• 参考スコア（独自算出の注目度）: 7.827829335706731
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trajectory estimation involves determining the trajectory of a mobile robot by combining prior knowledge about its dynamic model with noisy observations of its state obtained using sensors. The accuracy of such a procedure is dictated by the system model fidelity and the sensor parameters, such as the accuracy of the sensor (as represented by its noise covariance) and the rate at which it can generate observations, referred to as the sensor query schedule. Intuitively, high-rate measurements from accurate sensors lead to accurate trajectory estimation. However, cost and resource constraints limit the sensor accuracy and its measurement rate. Our work's novel contribution is the estimation of sensor schedules and sensor covariances necessary to achieve a specific estimation accuracy. Concretely, we focus on estimating: (i) the rate or schedule with which a sensor of known covariance must generate measurements to achieve specific estimation accuracy, and alternatively, (ii) the sensor covariance necessary to achieve specific estimation accuracy for a given sensor update rate. We formulate the problem of estimating these sensor parameters as semidefinite programs, which can be solved by off-the-shelf solvers. We validate our approach in simulation and real experiments by showing that the sensor schedules and the sensor covariances calculated using our proposed method achieve the desired trajectory estimation accuracy. Our method also identifies scenarios where certain estimation accuracy is unachievable with the given system and sensor characteristics.
• Abstract（参考訳）: 軌道推定は、そのダイナミックモデルに関する事前の知識とセンサを用いて得られた状態のノイズ観測を組み合わせることで、移動ロボットの軌道を決定することを伴う。 このような手順の精度は、システムモデル忠実度と、センサの精度(ノイズ共分散によって表されるように)や、センサクエリスケジュールと呼ばれる観測を生成できる速度などのセンサーパラメータによって決定される。 直感的には、正確なセンサーからの高速度測定は正確な軌道推定につながる。 しかし、コストと資源の制約はセンサーの精度と測定速度を制限する。 我々の研究の新たな貢献は、特定の推定精度を達成するために必要なセンサスケジュールとセンサ共分散を推定することである。 具体的には、見積もりに焦点を当てます。 一 既知の共分散センサが特定の推定精度を達成するために測定をしなければならない率又はスケジュール 二 所定のセンサ更新率の特定の推定精度を達成するために必要なセンサ共分散。 センサパラメータを半定値プログラムとして推定する問題の定式化を行う。 提案手法を用いて計算したセンサスケジュールとセンサ共分散が,所望の軌道推定精度を実現することを示し,本手法をシミュレーションおよび実実験で検証した。 また,提案手法は,所定の推定精度が与えられたシステムとセンサ特性で達成できないシナリオを同定する。

関連論文リスト

• A Physics Informed Machine Learning Framework for Optimal Sensor Placement and Parameter Estimation [0.0]
  本研究では,センサ配置とパラメータ推定を同時に行う,包括的なPINNベースのフレームワークを提案する。 その結果,本手法は直感的あるいはランダムに選択されたセンサ位置から推定したパラメータ値と比較して,常に高精度であることがわかった。
  論文  参考訳（メタデータ） (2025-11-19T15:37:17Z)
• On Noise-Sensitive Automatic Tuning of Gate-Defined Sensor Dots [0.0]
  ゲート定義量子ドット系では、静電結合されたセンサドットのコンダクタンス変化は、量子ドットの電荷とスピン状態の観測を可能にする。 2つのセンサドット形成バリアゲート電圧を変化させた一連のコンダクタンス測定は、ドットを対応する動作状態に調整するのに役立ちます。 測定したデータの雑音特性を分析し、十分な信号勾配-雑音比で連続領域を識別するための基準を定義する。
  論文  参考訳（メタデータ） (2025-08-11T12:14:11Z)
• Design Space Exploration on Efficient and Accurate Human Pose Estimation from Sparse IMU-Sensing [0.04594153909580514]
  HPE(Human Pose Estimation)は、スポーツ、リハビリテーション、仕事の安全などにおいて、個人データを損なうことなく正確な感覚を必要とする。 ハードウェアリソースの正確性と効率的な利用との間の中心的なトレードオフは、研究ではほとんど議論されない。 我々は、センサ構成の異なる公開ボディモデルデータセットからIMUデータを生成し、このデータでディープラーニングモデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-07-21T13:36:49Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Continuous Target-free Extrinsic Calibration of a Multi-Sensor System from a Sequence of Static Viewpoints [0.0]
  モバイルロボットアプリケーションは、プラットフォーム上の個々のセンサーの幾何学的位置に関する正確な情報を必要とする。 誤校正パラメータは、典型的なロボット推定タスクに悪影響を及ぼす。 本稿では,ロボットの動作中にキャリブレーションパラメータを連続的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-07-08T09:36:17Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)

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。