論文の概要: AoI-FusionNet: Age-Aware Tightly Coupled Fusion of UWB-IMU under Sparse Ranging Conditions

• arxiv url: http://arxiv.org/abs/2603.12849v1
• Date: Fri, 13 Mar 2026 09:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.757256
• Title: AoI-FusionNet: Age-Aware Tightly Coupled Fusion of UWB-IMU under Sparse Ranging Conditions
• Title（参考訳）: AoI-FusionNet:Sparse Ranging条件下でのUWB-IMUの高年齢結合核融合
• Authors: Tehmina Bibi, Anselm Köhler, Jan-Thomas Fischer, Falko Dressler,
• Abstract要約: 本稿では,高度に結合したディープラーニングベースの融合フレームワークであるAoI-FusionNetを紹介する。 生超広帯域(UWB)の飛行時間(ToF)測定と慣性測定ユニット(IMU)データを組み合わせて3次元軌道推定を行う。 AoI-FusionNetは、間欠的および劣化した検知条件下での平均および尾位置推定誤差を著しく低減することを示す。
• 参考スコア（独自算出の注目度）: 8.043535466607258
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate motion tracking of snow particles in avalanche events requires robust localization in global navigation satellite system (GNSS)-denied outdoor environments. This paper introduces AoI-FusionNet, a tightly coupled deep learning-based fusion framework that directly combines raw ultra-wideband (UWB) time-of-flight (ToF) measurements with inertial measurement unit (IMU) data for 3D trajectory estimation. Unlike loose-coupled pipelines based on intermediate trilateration, the proposed approach operates directly on heterogeneous sensor inputs, enabling localization even under insufficient ranging availability. The framework integrates an Age-of-Information (AoI)-aware decay module to reduce the influence of stale UWB ranging measurements and a learned attention gating mechanism that adaptively balances the contribution of UWB and IMU modalities based on measurement availability and temporal freshness. To evaluate robustness under limited data and measurement variability, we apply a diffusion-based residual augmentation strategy during training, producing an augmented variant termed AoI-FusionNet-DGAN. We assess the performance of the proposed model using offline post-processing of real-world measurement data collected in an alpine environment and benchmark it against UWB multilateration and loose-coupled fusion baselines. The results demonstrate that AoI-FusionNet substantially reduces mean and tail localization errors under intermittent and degraded sensing conditions.
• Abstract（参考訳）: 雪崩イベントにおける雪粒子の正確な運動追跡には,グローバルナビゲーション衛星システム(GNSS)による屋外環境のロバストな位置決めが必要である。 本稿では,AoI-FusionNetについて紹介する。AoI-FusionNetは,UWB(UWB)とIMU(Iertial Measurement Unit)のデータを直接組み合わせて3次元軌道推定を行う,密結合型深層学習型融合フレームワークである。 中間三相化に基づく疎結合パイプラインとは異なり、提案手法は不均一なセンサ入力を直接操作し、可利用性に欠けるローカライゼーションを可能にする。 このフレームワークは、AOI(Age-of-Information)対応の減衰モジュールを統合して、古いUWB測度の影響を低減するとともに、測定可用性と時間的鮮度に基づいてUWBおよびIMUモダリティの寄与を適応的にバランスさせる学習注意ゲーティング機構を統合する。 限られたデータと測定変数下でのロバスト性を評価するため,AoI-FusionNet-DGANと呼ばれる改良版を作成した。 本研究では,アルペン環境下で収集した実世界計測データのオフライン後処理を用いて,提案モデルの性能評価を行い,UWB多重化および疎結合核融合ベースラインと比較した。 その結果,AoI-FusionNetは間欠的および劣化したセンシング条件下での平均および尾位置ずれを著しく低減することがわかった。

関連論文リスト

• Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
  本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。 モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。 ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
  論文  参考訳（メタデータ） (2026-03-02T17:46:38Z)
• Wireless Federated Multi-Task LLM Fine-Tuning via Sparse-and-Orthogonal LoRA [61.12136997430116]
  低ランク適応(LoRA)に基づく分散連合学習(DFL)により、マルチタスクデータセットを持つモバイルデバイスは、ローカルに更新されたパラメータを、無線接続を介して近隣デバイスのサブセットと交換することで、大きな言語モデル(LLM)を協調的に微調整することができる。 不均一データセットに微調整されたパラメータを直接集約すると、DFLライフサイクルの3つの主要な問題が発生する: (i) 微調整プロセス中に忘れる破滅的な知識、(ii) データの異種性に起因する更新方向の矛盾に起因する。
  論文  参考訳（メタデータ） (2026-02-24T02:45:32Z)
• Noise-Robust Tiny Object Localization with Flows [63.60972031108944]
  フレキシブルなエラーモデリングと不確実性誘導最適化に正規化フローを活用するノイズローバストローカライゼーションフレームワークを提案する。 本手法は,フローベース誤差モデルを用いて,複雑な非ガウス予測分布を抽出し,ノイズの多い監視下で頑健な学習を可能にする。 不確実性を考慮した勾配変調機構は、トレーニングを安定化しながら過度な適合を緩和し、高不確実でノイズの強いサンプルからの学習をさらに抑制する。
  論文  参考訳（メタデータ） (2026-01-02T09:16:55Z)
• Diff-GNSS: Diffusion-based Pseudorange Error Estimation [4.275603853123926]
  グローバル・ナビゲーション・サテライト・システムズ(GNSS)は、信頼できる都市の位置決めに不可欠である。 マルチパスと非線形受信は、しばしば精度を低下させる大きな測定誤差をもたらす。 擬似乱数誤差を予測・補償する学習手法が注目されているが,その性能は複雑な誤差分布によって制限されている。 Diff-GNSSは,条件付き拡散モデルを用いて複雑な分布を捕捉する粗粒度測定(擬似サテライト)の誤差推定フレームワークである。
  論文  参考訳（メタデータ） (2025-09-22T06:57:06Z)
• A Deep Bayesian Nonparametric Framework for Robust Mutual Information Estimation [9.68824512279232]
  相互情報(MI)は、変数間の依存関係をキャプチャするための重要な手段である。 正規化を組み込むためにディリクレ過程後部の有限表現でMI損失を構成することでMI推定器を訓練するソリューションを提案する。 データ空間と変分オートエンコーダの潜時空間の間のMIを最大化するための推定器の適用について検討する。
  論文  参考訳（メタデータ） (2025-03-11T21:27:48Z)
• SEAFL: Enhancing Efficiency in Semi-Asynchronous Federated Learning through Adaptive Aggregation and Selective Training [26.478852701376294]
  半非同期FLにおけるストラグラーと古いモデルの課題を緩和するために設計された新しいFLフレームワークであるSEAFLを提案する。 Em SEAFLは、現在のグローバルモデルに対する安定性と重要性に基づいて、アグリゲーション中にアップロードされたモデルに重みを動的に割り当てる。 我々は,3つのベンチマークデータセットを用いた広範囲な実験により,SEAFLの有効性を評価する。
  論文  参考訳（メタデータ） (2025-02-22T05:13:53Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• CMU-Flownet: Exploring Point Cloud Scene Flow Estimation in Occluded Scenario [10.852258389804984]
  閉塞はLiDARデータにおける点雲フレームのアライメントを妨げるが、シーンフローモデルでは不十分な課題である。 本稿では,CMU-Flownet(Relational Matrix Upsampling Flownet)を提案する。 CMU-Flownetは、隠されたFlyingthings3DとKITTYデータセットの領域内で、最先端のパフォーマンスを確立する。
  論文  参考訳（メタデータ） (2024-04-16T13:47:21Z)
• Stragglers-Aware Low-Latency Synchronous Federated Learning via Layer-Wise Model Updates [71.81037644563217]
  同期フェデレーションラーニング(FL)は、協調エッジラーニングの一般的なパラダイムである。 一部のデバイスは計算資源が限られており、様々な可用性があるため、FLレイテンシはストラグラーに非常に敏感である。 本稿では,NNの最適化手法をバックプロパゲーションにより活用し,グローバルモデルを階層的に更新するストラグラー対応層対応学習(SALF)を提案する。
  論文  参考訳（メタデータ） (2024-03-27T09:14:36Z)
• Over-the-Air Federated Learning and Optimization [52.5188988624998]
  エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。 本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。 エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。 さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
  論文  参考訳（メタデータ） (2023-10-16T05:49:28Z)

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。