論文の概要: ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace

• arxiv url: http://arxiv.org/abs/2603.16550v1
• Date: Tue, 17 Mar 2026 14:16:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.912581
• Title: ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace
• Title（参考訳）: ASCENT:非解答終端空域における変圧器による航空機軌道予測
• Authors: Alexander Prutsch, David Schinagl, Horst Possegger,
• Abstract要約: ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。 ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
• 参考スコア（独自算出の注目度）: 54.94692733670454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate trajectory prediction can improve General Aviation safety in non-towered terminal airspace, where high traffic density increases accident risk. We present ASCENT, a lightweight transformer-based model for multi-modal 3D aircraft trajectory forecasting, which integrates domain-aware 3D coordinate normalization and parameterized predictions. ASCENT employs a transformer-based motion encoder and a query-based decoder, enabling the generation of diverse maneuver hypotheses with low latency. Experiments on the TrajAir and TartanAviation datasets demonstrate that our model outperforms prior baselines, as the encoder effectively captures motion dynamics and the decoder aligns with structured aircraft traffic patterns. Furthermore, ablation studies confirm the contributions of the decoder design, coordinate-frame modeling, and parameterized outputs. These results establish ASCENT as an effective approach for real-time aircraft trajectory prediction in non-towered terminal airspace.
• Abstract（参考訳）: 正確な軌道予測は、高い交通密度が事故リスクを増大させる非塔頭終端空域における一般航空の安全性を向上させることができる。 ドメイン対応3D座標正規化とパラメータ化予測を統合した,マルチモーダル3D航空機軌道予測のための軽量トランスフォーマーモデルであるASCENTを提案する。 ASCENTはトランスフォーマーベースのモーションエンコーダとクエリベースのデコーダを採用しており、低レイテンシで多様な操作仮説を生成することができる。 TrajAirとTartanAviationのデータセットの実験では、エンコーダが効果的に動きのダイナミクスをキャプチャし、デコーダが構造化された航空機の交通パターンと整合するので、我々のモデルが以前のベースラインより優れていることが示されている。 さらに、アブレーション研究はデコーダ設計、座標フレームモデリング、パラメータ化出力の寄与を確認している。 これらの結果から、ASCENTは、非塔頭終端空域におけるリアルタイム航空機軌道予測の効果的なアプローチとして確立された。

関連論文リスト

• A prior information informed learning architecture for flying trajectory prediction [15.723257387969712]
  飛行物体の軌道予測は、スポーツ分析から航空宇宙まで幅広い領域において重要である。 本稿では,環境先行をデュアルトランスフォーマー・カスケードアーキテクチャと統合した,ハードウェア効率の良いトラジェクトリ予測フレームワークを提案する。 本研究では,実際の屋外コートにおけるテニスボールの着地点の予測により,このアプローチを実証する。
  論文  参考訳（メタデータ） (2026-03-06T20:33:07Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Context-Aware Generative Models for Prediction of Aircraft Ground Tracks [0.004807514276707785]
  軌道予測は航空交通管制官の意思決定を支援する上で重要な役割を果たしている。 従来のTP手法は決定論的で物理学に基づく手法であり、パラメータは世界中で収集された航空機の監視データを用いて校正される。 本研究では、確率論的機械学習を用いて、パイロット行動とATCO意図の未知の効果をモデル化する横型TPの生成法を提案する。
  論文  参考訳（メタデータ） (2023-09-26T14:20:09Z)
• A Non-autoregressive Multi-Horizon Flight Trajectory Prediction Framework with Gray Code Representation [11.29608316753389]
  FlightBERT++と呼ばれる新しいフレームワークが提案されている。 提案するフレームワークは,汎用エンコーダデコーダアーキテクチャによって実装されている。 実験の結果,提案フレームワークはFTP性能と計算効率の両面において,競合する基本性能を上回る性能を示した。
  論文  参考訳（メタデータ） (2023-05-02T04:11:23Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [39.89295870460643]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な簡易確率モデルを提案する。 我々は、ガウス混合モデルから一連の偏差をサンプリングし、航空機の軌道を再構築することで合成軌道を生成する。 本研究は、ジョン・F・ケネディ国際空港の着地軌道と着地手順に関するモデルについて紹介する。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)

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。