論文の概要: Integrated cooperative localization of heterogeneous measurement swarm: A unified data-driven method
- arxiv url: http://arxiv.org/abs/2603.04932v1
- Date: Thu, 05 Mar 2026 08:28:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.930747
- Title: Integrated cooperative localization of heterogeneous measurement swarm: A unified data-driven method
- Title（参考訳）: 不均一測定群における統合的協調的局在化:統一的データ駆動法
- Authors: Kunrui Ze, Wei Wang, Guibin Sun, Jiaqi Yan, Kexin Liu, Jinhu Lü,
- Abstract要約: 異種ロボットシステムにおける協調的局所化問題について検討した。
データ駆動型適応RL推定器は、不均一および一方向の測定を扱うために最初に開発された。
次に、分散ポーズ結合型CL戦略を設計し、CLを弱連結な指向性測定トポロジーの下で保証する。
- 参考スコア（独自算出の注目度）: 19.08193262173557
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The cooperative localization (CL) problem in heterogeneous robotic systems with different measurement capabilities is investigated in this work. In practice, heterogeneous sensors lead to directed and sparse measurement topologies, whereas most existing CL approaches rely on multilateral localization with restrictive multi-neighbor geometric requirements. To overcome this limitation, we enable pairwise relative localization (RL) between neighboring robots using only mutual measurement and odometry information. A unified data-driven adaptive RL estimator is first developed to handle heterogeneous and unidirectional measurements. Based on the convergent RL estimates, a distributed pose-coupling CL strategy is then designed, which guarantees CL under a weakly connected directed measurement topology, representing the least restrictive condition among existing results. The proposed method is independent of specific control tasks and is validated through a formation control application and real-world experiments.
- Abstract（参考訳）: 本研究では, 測定能力の異なる異種ロボットシステムにおける協調的局所化(CL)問題について検討した。
実際には、ヘテロジニアスセンサーは方向とスパースの測定トポロジを導いており、既存のCLアプローチのほとんどは、制約のある多重隣り合う幾何学的要件を持つ多角的ローカライゼーションに依存している。
この制限を克服するために、相互測定情報と計測情報のみを用いて隣り合うロボット間のペアワイズ相対的位置決め(RL)を可能にする。
データ駆動型適応RL推定器は、不均一および一方向の測定を扱うために最初に開発された。
収束RL推定に基づいて、分散ポーズ結合CL戦略が設計され、既存の結果の中で最小限の制約条件を示す、弱連結な指向性測定トポロジーの下でCLが保証される。
提案手法は,特定の制御タスクとは独立に,生成制御アプリケーションと実世界の実験を通じて検証される。
関連論文リスト
- ES-Merging: Biological MLLM Merging via Embedding Space Signals [52.84455878597969]
埋め込み空間信号からマージ係数を推定する表現対応マージフレームワークを提案する。
提案手法は既存のマージ手法よりも優れており,タスク固有の微調整モデルを超えている。
論文 参考訳（メタデータ） (2026-03-15T14:38:32Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - Robust low-rank estimation with multiple binary responses using pairwise AUC loss [0.0]
複数のバイナリ応答は、多くの現代のデータ分析問題に現れる。
低ランクモデルはタスク間の遅延依存をエンコードする自然な方法を提供する。
既存のバイナリデータの方法は概ね可能性ベースであり、ポイントワイズ分類に重点を置いている。
論文 参考訳（メタデータ） (2026-01-13T15:00:10Z) - Isolation-based Spherical Ensemble Representations for Anomaly Detection [60.989157958972356]
不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。
既存の教師なし異常検出手法は、分散仮定の矛盾、計算の非効率性、異なる異常型を扱う難しさなど、基本的な課題に直面している。
Isolation-based Spherical Ensemble Representations (ISER) は, 局所密度特性のプロキシとしてハイパースフィアラジイを用いて, 線形時間と定数空間の複雑さを保ちながら, 既存の分離法を拡張したものである。
論文 参考訳（メタデータ） (2025-10-15T09:00:05Z) - A Pseudo Global Fusion Paradigm-Based Cross-View Network for LiDAR-Based Place Recognition [12.93382945887946]
LiDARベースのPlace Recognition(LPR)は、Embodied Artificial Intelligence(AI)とAutonomous Drivingにおいて重要なタスクである。
既存のアプローチは、ユークリッド距離に基づく距離学習タスクへの位置認識を減らし、特徴空間の固有の構造やクラス内分散を無視している。
本稿では,これらの課題に対処する革新的な融合パラダイムに基づく,新しいクロスビューネットワークを提案する。
論文 参考訳（メタデータ） (2025-08-12T13:12:48Z) - Contraction Actor-Critic: Contraction Metric-Guided Reinforcement Learning for Robust Path Tracking [0.0]
制御収縮メトリック(CCM)は、コントローラと対応する収縮メトリックを共合成するフレームワークを提供する。
我々は,CCMを強化学習(RL)に統合し,CCMが動的インフォームドフィードバックを学習制御ポリシーにもたらすことを提案する。
我々は,契約アクタ批判 (CAC) と呼ばれるアルゴリズムが,契約ポリシーのセットを提供するためのCCMの能力を公式に強化することを示した。
論文 参考訳（メタデータ） (2025-05-28T22:26:23Z) - Federated Offline Reinforcement Learning [55.326673977320574]
マルチサイトマルコフ決定プロセスモデルを提案する。
我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。
提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
論文 参考訳（メタデータ） (2022-06-11T18:03:26Z) - Contrastive and Non-Contrastive Self-Supervised Learning Recover Global
and Local Spectral Embedding Methods [19.587273175563745]
自己監督学習(SSL)は、入力とペアの正の関係は意味のある表現を学ぶのに十分である。
本稿では,これらの制約に対処するために,スペクトル多様体学習の推進力の下で統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-23T17:59:32Z) - Reinforcement Learning for Adaptive Mesh Refinement [63.7867809197671]
マルコフ決定過程としてのAMRの新規な定式化を提案し,シミュレーションから直接改良政策を訓練するために深部強化学習を適用した。
これらのポリシーアーキテクチャのモデルサイズはメッシュサイズに依存しないため、任意に大きく複雑なシミュレーションにスケールします。
論文 参考訳（メタデータ） (2021-03-01T22:55:48Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳（メタデータ） (2020-09-29T21:17:16Z)
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。