論文の概要: Dual-Branch INS/GNSS Fusion with Inequality and Equality Constraints

• arxiv url: http://arxiv.org/abs/2602.21266v1
• Date: Tue, 24 Feb 2026 09:47:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.681612
• Title: Dual-Branch INS/GNSS Fusion with Inequality and Equality Constraints
• Title（参考訳）: 不等式と等級制約を有する2分岐INS/GNSS核融合
• Abstract要約: 分散重み付きスキームによる等式制約と不等式制約を融合する二分岐情報支援フレームワークを提案する。 完全な可用性の下では、垂直位置誤差を16.7%削減し、標準の非ホロノミック制約よりも高度精度を50.1%向上させる。
• 参考スコア（独自算出の注目度）: 5.5217350574838875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable vehicle navigation in urban environments remains a challenging problem due to frequent satellite signal blockages caused by tall buildings and complex infrastructure. While fusing inertial reading with satellite positioning in an extended Kalman filter provides short-term navigation continuity, low-cost inertial sensors suffer from rapid error accumulation during prolonged outages. Existing information aiding approaches, such as the non-holonomic constraint, impose rigid equality assumptions on vehicle motion that may be violated under dynamic urban driving conditions, limiting their robustness precisely when aiding is most needed. In this paper, we propose a dual-branch information aiding framework that fuses equality and inequality motion constraints through a variance-weighted scheme, requiring only a software modification to an existing navigation filter with no additional sensors or hardware. The proposed method is evaluated on four publicly available urban datasets featuring various inertial sensors, road conditions, and dynamics, covering a total duration of 4.3 hours of recorded data. Under Full GNSS availability, the method reduces vertical position error by 16.7% and improves altitude accuracy by 50.1% over the standard non-holonomic constraint. Under GNSS-denied conditions, vertical drift is reduced by 24.2% and altitude accuracy improves by 20.2%. These results demonstrate that replacing hard motion equality assumptions with physically motivated inequality bounds is a practical and cost-free strategy for improving navigation resilience, continuity, and drift robustness without relying on additional sensors, map data, or learned models.
• Abstract（参考訳）: 都市環境における信頼性の高い車両ナビゲーションは、高層建築物や複雑なインフラによる衛星信号の遮断が頻発しているため、依然として困難な問題である。 拡張カルマンフィルタにおける衛星位置決めによる慣性読み取りは、短期的な航法継続性を提供する一方で、低コストな慣性センサは、長時間の停止の間に急速にエラーの蓄積に悩まされる。 非ホロノミック制約のような既存の情報支援アプローチは、ダイナミックな都市運転条件下で違反する可能性のある車両運動に厳格な平等の仮定を課し、支援が最も必要である場合にその堅牢性を正確に制限する。 本稿では、分散重み付け方式により、等価性と不等式な動作制約を解消し、センサやハードウェアを付加せずに既存のナビゲーションフィルタにソフトウェアを変更する必要のあるデュアルブランチ情報支援フレームワークを提案する。 提案手法は, 各種慣性センサ, 道路条件, ダイナミックスを備えた4つの都市データセットを用いて, 記録データの合計4.3時間について評価した。 GNSSの完全な可用性の下では、垂直位置誤差を16.7%削減し、標準の非ホロノミック制約よりも50.1%精度を向上する。 GNSSの条件下では、垂直ドリフトは24.2%減少し、高度精度は20.2%向上する。 これらの結果から,ハードモーション平等仮定を物理的に動機づけられた不等式境界に置き換えることは,新たなセンサやマップデータ,学習モデルに頼ることなく,ナビゲーションのレジリエンス,連続性,ロバスト性を改善するための実用的でコストのかかる戦略であることが示唆された。

関連論文リスト

• Multi-Modal Traffic Sign Detection with Semantic Attributes for Autonomous Driving [36.63134402686799]
  視覚に基づく手法は、国間での多様性の高さによる地域間一般化の低さ、長距離での小さな物体検出における劣化性能、車両が標識に近づくと生じる強い非線形の視点歪みの下での脆弱な時間的追跡の3つの基本的な限界に直面している。 Intensity-Aware Deformable Fusionモジュールは、反射反射型LiDARキューとカメラの特徴を一致させ、領域固有の視覚的外観ではなく幾何学的不変量をアンカーするマルチモーダル検出フレームワークを提案する。 60以上の国にまたがるデータセットと2500時間以上の運転データに対する大規模な評価は、提案したパイプラインがオブジェクトミス比(Object Miss Ratio)を達成したことを示している。
  論文  参考訳（メタデータ） (2026-08-21T08:51:39Z)
• Uncertainty-Aware Velocity Correction for Proprioceptive Vehicle Localization using Evidential Mamba [17.576449361552992]
  既存のアプローチは、専用のインフラ、高価な外部センサー、複雑なマルチセンサー融合を通じてドリフト補正を提供する。 本研究では,車載センサデータをIMUドリフト補正のための仮想速度センサに変換する学習ベースアーキテクチャであるMambaを用いたEvidential Velocity Correctionを提案する。 実世界の車両データによる評価では, 提案した速度補正位置決め精度が, 故障期間の異なる専用外速度センサの10%以内であることが示されている。
  論文  参考訳（メタデータ） (2026-07-06T22:28:24Z)
• Enhanced INS/GNSS State Estimation using GNSS-Based Acceleration Measurements [5.5217350574838875]
  そこで本研究では,過去の計測をモーションモデルと併用して,車両のアクセラレーション情報を抽出する手法を提案する。 この加速度測定をINS/GNSSフィルタに統合し、堅牢性と精度を向上させる。 その結果、標準位置支援フィルタと比較して、一貫した位置決め精度の向上が示された。
  論文  参考訳（メタデータ） (2026-05-23T23:04:30Z)
• PI-TTA: Physics-Informed Source-Free Test-Time Adaptation for Robust Human Activity Recognition on Mobile Devices [14.981641027538387]
  ソースフリーテストタイム適応(TTA)は、プライベートデータを集中化せずにデバイス上でのパーソナライズを可能にするため、モバイルおよびウェアラブルセンシングにアピールしている。 本稿では,3つの物理制約によるオンライン更新を安定化する軽量なソースフリー適応フレームワークPI-TTAを提案する。
  論文  参考訳（メタデータ） (2026-04-28T09:44:01Z)
• Instantaneous Planning, Control and Safety for Navigation in Unknown Underwater Spaces [0.21108097398435333]
  未知の環境で自律型水中車両(AUV)を航行することは極めて困難である。 これらの要因は、正確なグローバルローカライゼーション、信頼性の高い通信、障害物回避において課題を提起する。 本研究では,実時間センサデータを利用して閉ループAUV軌道を動的に誘導する統合計画制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-07T01:32:29Z)
• Adaptive SINDy: Residual Force System Identification Based UAV Disturbance Rejection [1.9182058480922208]
  本稿では,適応制御とデータ駆動型システム識別の新たな統合手法を提案する。 我々はガゼボ高調波環境と4方向から最大2m/sの風速で実飛行を行った。
  論文  参考訳（メタデータ） (2026-03-09T19:26:13Z)
• Uncertainty-Aware Adaptive Dynamics For Underwater Vehicle-Manipulator Robots [0.5161531917413708]
  本稿では,新しい不確実性を考慮した適応力学モデルフレームワークを提案する。 オンライン推定中に、凸的な物理的一貫性の制約を埋め込む。 4-DOFマニピュレータを搭載したBlueROV2ヘビーの実験は、急速に収束し、キャリブレーションされた予測を示す。
  論文  参考訳（メタデータ） (2026-03-06T18:35:48Z)
• Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing [5.29147071389637]
  自律型ドローンレースのための堅牢な視覚-慣性推定フレームワークを提案する。 ADR-VINS は平均 RMS 変換 0.134 m, ADR-FGO は 0.060 m である。 最後に,ADR-FGOによる飛行後評価について述べる。
  論文  参考訳（メタデータ） (2026-03-03T08:43:49Z)
• Data-Driven Trajectory Imputation for Vessel Mobility Analysis [36.24770606535992]
  自動識別システム(AIS)は、何十万もの船舶のリアルタイム監視を可能にし、毎日大量のデータを生成する。 AISデータを使用する際の大きな課題の1つは、しばしばカバー範囲の制限や意図的な送信中断によって引き起こされる、血管軌道における大きなギャップの存在である。 本稿では,H3 Aggregation-based Imputation framework for vessel Trajectoriesを提案する。
  論文  参考訳（メタデータ） (2026-02-12T12:40:27Z)
• Lyapunov Stability-Aware Stackelberg Game for Low-Altitude Economy: A Control-Oriented Pruning-Based DRL Approach [37.51135101684223]
  無人航空機(UAV)は、ユーザからの多様なサービスを支援する重要な航空基地局として機能している。 このような異種ネットワークの有効性は、制限されたオンボードリソースと厳密な安定性要件の間の競合によってしばしば損なわれる。 本稿では,通信遅延が物理的制御安定性に与える影響を明示的にモデル化する,センシング・通信・通信・通信・通信のクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T10:01:07Z)
• Safe Path Planning and Observation Quality Enhancement Strategy for Unmanned Aerial Vehicles in Water Quality Monitoring Tasks [7.258114996625529]
  スペクトルリモートセンシング技術は水質モニタリングに広く利用されている。 動的環境において、影やスペクトル反射のような様々な照明条件は、厳しいスペクトル歪みを引き起こす。 本稿では,動的光と影乱れ回避のための能動経路計画法を提案する。
  論文  参考訳（メタデータ） (2025-12-24T14:26:20Z)
• Genetic Optimization of a Software-Defined GNSS Receiver [0.0]
  この研究は、位相、周波数、遅延トラッキングの最適ループパラメータを決定するために、レシーバ構成空間を自律的に探索する遺伝的アルゴリズムベースの最適化フレームワークを導入する。 その結果、進化的最適化により、SDR受信機は様々な動的条件にまたがって、堅牢で正確な位置、速度、時間(PVT)ソリューションを維持できることを示した。
  論文  参考訳（メタデータ） (2025-10-25T19:32:32Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Low-altitude UAV Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.23178920029957]
  本稿では,低高度無人航空機(UAV)による衛星海上通信システムを提案する。 安全衛星・海上通信多目的最適化問題(SSMCMOP)を定式化する。 動的かつ長期の最適化問題を解くため、マルコフ決定過程に再構成する。 次に,トランスサック (TransSAC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation [152.60469768559878]
  ShiFTは、自動運転のための最大規模のマルチタスク合成データセットである。 曇り、雨と霧の強さ、昼の時間、車と歩行者の密度を個別に連続的に変化させる。 私たちのデータセットとベンチマークツールキットはwww.vis.xyz/shift.comで公開されています。
  論文  参考訳（メタデータ） (2022-06-16T17:59:52Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)

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。