論文の概要: Scalar-Measurement Attitude Estimation on $\mathbf{SO}(3)$ with Bias Compensation

• arxiv url: http://arxiv.org/abs/2603.02478v1
• Date: Tue, 03 Mar 2026 00:02:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.839283
• Title: Scalar-Measurement Attitude Estimation on $\mathbf{SO}(3)$ with Bias Compensation
• Title（参考訳）: バイアス補償付き$\mathbf{SO}(3)$のスカラー測定姿勢推定
• Authors: Alessandro Melis, Tarek Bouazza, Hassan Alnahhal, Sifeddine Benahmed, Soulaimane Berkane, Tarek Hamel,
• Abstract要約: 姿勢推定法は通常、加速度計や磁力計のような慣性センサーからの完全なベクトル測定に依存する。 本稿では,スカラー測定のみを用いて信頼性の高い推定を行うことができることを示す。 ジャイロスコープバイアス補償を組み込んだ$mathbfSO(3)$の非線形決定論的オブザーバを提案する。
• 参考スコア（独自算出の注目度）: 35.18016233072556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Attitude estimation methods typically rely on full vector measurements from inertial sensors such as accelerometers and magnetometers. This paper shows that reliable estimation can also be achieved using only scalar measurements, which naturally arise either as components of vector readings or as independent constraints from other sensing modalities. We propose nonlinear deterministic observers on $\mathbf{SO}(3)$ that incorporate gyroscope bias compensation and guarantee uniform local exponential stability under suitable observability conditions. A key feature of the framework is its robustness to partial sensing: accurate estimation is maintained even when only a subset of vector components is available. Experimental validation on the BROAD dataset confirms consistent performance across progressively reduced measurement configurations, with estimation errors remaining small even under severe information loss. To the best of our knowledge, this is the first work to establish fundamental observability results showing that two scalar measurements under suitable excitation suffice for attitude estimation, and that three are enough in the static case. These results position scalar-measurement-based observers as a practical and reliable alternative to conventional vector-based approaches.
• Abstract（参考訳）: 姿勢推定法は通常、加速度計や磁力計のような慣性センサーからの完全なベクトル測定に依存する。 本稿では,ベクトル読影の成分として自然に発生するスカラー測度のみを用いて,信頼性の高い推定が可能であることを示す。 ジャイロスコープのバイアス補償を組み込んで、適切な観測条件下での均一な局所指数安定性を保証できる$\mathbf{SO}(3)$に非線形決定論的オブザーバを提案する。 フレームワークの重要な特徴は、部分的な知覚に対する堅牢性である: 正確な推定は、ベクトルコンポーネントのサブセットのみが利用可能であっても維持される。 BROADデータセットの実験的検証は、高度情報損失においても、推定誤差が小さく抑えられ、段階的に縮小された測定構成間の一貫した性能を確認する。 我々の知る限りでは、この2つのスカラー測定が姿勢推定に十分であり、静的な場合では3つで十分であることを示す、基本的な観測結果を確立するための最初の研究である。 これらの結果は、従来のベクトルベースのアプローチの代替として、スカラー計測に基づく観測者を実用的で信頼性の高いものとして位置づける。

関連論文リスト

• Simulated Adoption: Decoupling Magnitude and Direction in LLM In-Context Conflict Resolution [3.0242762196828448]
  大規模言語モデル(LLM)は、既存のパラメトリックメモリよりもコンテクスト内での競合情報を優先することが多い。 モデルが「未学習」や内部の真理の大きさを抑えるのではなく、幾何変位のメカニズムを用いていることを示す。
  論文  参考訳（メタデータ） (2026-02-04T06:13:11Z)
• Model-free Methods for Event History Analysis and Efficient Adjustment (PhD Thesis) [55.2480439325792]
  この論文は、モデルフリーの観点から統一された統計学への独立した貢献のシリーズである。 第1章では、機械学習から予測技術を活用する柔軟なメソッドを定式化するために、モデルフリーの視点をどのように利用できるか、詳しく説明している。 第2章では、あるプロセスの進化が他のプロセスに直接影響されるかどうかを記述した地域独立の概念を研究している。
  論文  参考訳（メタデータ） (2025-02-11T19:24:09Z)
• DOGE: An Extrinsic Orientation and Gyroscope Bias Estimation for Visual-Inertial Odometry Initialization [7.706396165773557]
  回転補正を遅らせることなく高精度で高剛性な視覚慣性オドメトリー(VIO)法を提案する。 本手法は,競争効率を維持しつつ,精度とロバスト性の両方で最先端の手法より優れる。
  論文  参考訳（メタデータ） (2024-12-11T06:44:22Z)
• Assessing the Probabilistic Fit of Neural Regressors via Conditional Congruence [2.13382635602206]
  このミスアライメントを測定するための既存のアプローチは、主にキャリブレーションの枠組みの下で開発されている。 本稿では,CCE(Congruence Error)という,学習した予測分布とデータセット内の経験的条件分布との間の距離を,条件付きカーネルの平均埋め込みを用いて推定する手法を提案する。 我々は高次元回帰タスクを行い、CCEが4つの重要な特性を示すことを示す: $textitcorrectness$, $textitmonotonicity$, $textitreliability$, $textitrobustness$。
  論文  参考訳（メタデータ） (2024-05-20T23:30:07Z)
• Calibrated Uncertainty Quantification for Operator Learning via Conformal Prediction [95.75771195913046]
  本稿では, リスク制御型量子ニューラル演算子, 分布のない有限サンプル機能キャリブレーション等式予測法を提案する。 関数領域上の点の期待値として定義されるカバレッジ率に関する理論的キャリブレーションを保証する。 2次元ダーシー流と3次元自動車表面圧力予測タスクに関する実験結果から,我々の理論的結果が検証された。
  論文  参考訳（メタデータ） (2024-02-02T23:43:28Z)
• One-Shot Initial Orbit Determination in Low-Earth Orbit [0.49157446832511503]
  初期軌道決定のための最先端の方法論はカルマン型フィルタである。 我々は、初期軌道決定の問題を重み付き最小の正方形として定式化する。 我々は,推定器が3乗法よりも精度の高い状態推定を実現できることを数値的に示す。
  論文  参考訳（メタデータ） (2023-12-20T11:49:38Z)
• Uncertainty Calibration and its Application to Object Detection [0.0]
  本研究では,意味的不確実性(どのオブジェクトタイプか)と空間的不確実性(空間的不確実性)について検討する。 オブジェクト検出モデルの予測不確かさが実世界のデータ上で達成された観測誤差と一致しているかを評価する。
  論文  参考訳（メタデータ） (2023-02-06T08:41:07Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。