論文の概要: Edge Radar Material Classification Under Geometry Shifts

• arxiv url: http://arxiv.org/abs/2603.23342v1
• Date: Tue, 24 Mar 2026 15:41:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.564532
• Title: Edge Radar Material Classification Under Geometry Shifts
• Title（参考訳）: 幾何シフトによるエッジレーダ材料分類
• Authors: Jannik Hohmann, Dong Wang, Andreas Nüchter,
• Abstract要約: 超低消費電力エッジデバイスのための軽量ミリ波レーダ材料分類パイプラインを提案する。 現実的な幾何学的シフトの下で、顕著な性能低下を観察する。 これらの摂動は、系統的な強度スケーリングと角度依存のレーダー断面効果を誘導する。
• 参考スコア（独自算出の注目度）: 5.47917595965722
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Material awareness can improve robotic navigation and interaction, particularly in conditions where cameras and LiDAR degrade. We present a lightweight mmWave radar material classification pipeline designed for ultra-low-power edge devices (TI IWRL6432), using compact range-bin intensity descriptors and a Multilayer Perceptron (MLP) for real-time inference. While the classifier reaches a macro-F1 of 94.2\% under the nominal training geometry, we observe a pronounced performance drop under realistic geometry shifts, including sensor height changes and small tilt angles. These perturbations induce systematic intensity scaling and angle-dependent radar cross section (RCS) effects, pushing features out of distribution and reducing macro-F1 to around 68.5\%. We analyze these failure modes and outline practical directions for improving robustness with normalization, geometry augmentation, and motion-aware features.
• Abstract（参考訳）: 物質認識は、特にカメラとLiDARが劣化する状況において、ロボットナビゲーションと相互作用を改善することができる。 我々は,超低消費電力エッジデバイス(TI IWRL6432)向けに設計された,小型レンジビン強度記述子とマルチレイヤーパーセプトロン(MLP)を用いた軽量なミリ波レーダ材料分類パイプラインを提案する。 分類器は、慣例的なトレーニング幾何学の下で94.2\%のマクロF1に達する一方で、センサ高さの変化や小さな傾斜角を含む現実的な幾何学的シフトの下で、顕著な性能低下を観察する。 これらの摂動は、系統的な強度スケーリングと角度依存レーダー断面(RCS)効果を誘発し、特徴を分散から押し出し、マクロF1を68.5 %まで減少させる。 これらの障害モードを解析し、正規化、幾何拡張、動き認識機能によるロバスト性向上のための実用的な方向性を概説する。

関連論文リスト

• Tightly-Coupled Radar-Visual-Inertial Odometry [12.2300314007703]
  提案手法は,反復拡張カルマンフィルタ(IEKF)内の画像特徴,レーダドップラー計測,慣性測定ユニット(IMU)計測をリアルタイムに融合する。 本手法は,室内および屋外の両方で実施した飛行実験により評価した。
  論文  参考訳（メタデータ） (2026-03-24T10:47:04Z)
• calibfusion: Transformer-Based Differentiable Calibration for Radar-Camera Fusion Detection in Water-Surface Environments [3.555701659243434]
  CalibFusionはキャリブレーション条件のレーダー-カメラ核融合検出器である。 検出目的によって、暗黙の非本質的な洗練をエンドツーエンドに学習する。 実験では, 核融合による2次元検出と, 合成ミスキャリブレーションによるロバスト性の改善が示された。
  論文  参考訳（メタデータ） (2026-03-03T04:06:29Z)
• Real-Time Thermal-Inertial Odometry on Embedded Hardware for High-Speed GPS-Denied Flight [3.3292574415204537]
  組込みハードウェア上での高速GPS高密度飛行のためのリアルタイム単分子熱慣性計測システム システムはFLIR Boson+ 640の長波長赤外線カメラ、高レートIMU、レーザーレンジファインダ、バロメーター、磁力計を固定ラグ係数グラフに融合させる。
  論文  参考訳（メタデータ） (2026-03-02T17:38:37Z)
• physfusion: A Transformer-based Dual-Stream Radar and Vision Fusion Framework for Open Water Surface Object Detection [3.3795150675738808]
  PhysFusionは、水面知覚のための物理インフォームドレーダー画像検出フレームワークである。 物理インレーダ(PIR)とRCSマッパーと品質ゲートを統合し、ポイント当たりのレーダ特性をコンパクトな散乱前処理に変換する。 WaterScenesとFLOWの実験は、PhysFusionがWaterScenesで59.7% mAP50:95と90.3% mAP50を達成したことを示している。
  論文  参考訳（メタデータ） (2026-03-02T15:00:22Z)
• Synthetic FMCW Radar Range Azimuth Maps Augmentation with Generative Diffusion Model [9.764772760421792]
  本稿では,現実的な周波数変調連続波レーダレンジアジマスマップを合成するための条件付き生成フレームワークを提案する。 提案手法は,歩行者,車,サイクリストを含む複数の対象カテゴリーのレーダデータを生成するために,生成拡散モデルを利用する。
  論文  参考訳（メタデータ） (2026-01-09T10:59:46Z)
• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
  一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。 具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。 従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
  論文  参考訳（メタデータ） (2025-04-16T05:25:04Z)
• Bringing RGB and IR Together: Hierarchical Multi-Modal Enhancement for Robust Transmission Line Detection [67.02804741856512]
  高速かつ高精度なTL検出のために,RGBとIRデータを統合したHMMEN(Hierarchical Multi-Modal Enhancement Network)を提案する。 提案手法では,(1)階層的RGBおよびIR特徴写像を大まかに融合・拡張するMMEB,(2)デコーダ出力とIR特徴写像の不整合を変形可能な畳み込みを利用して補正するFAB,の2つの重要な構成要素を紹介する。
  論文  参考訳（メタデータ） (2025-01-25T06:21:06Z)
• ARS-DETR: Aspect Ratio-Sensitive Detection Transformer for Aerial Oriented Object Detection [55.291579862817656]
  既存のオブジェクト指向オブジェクト検出手法では、モデルの性能を測定するために計量AP$_50$が一般的である。 我々は、AP$_50$は本来、角度偏差に大きな耐性があるため、オブジェクト指向物体検出には適さないと主張している。 本稿では,ARS-DETR(Aspect Ratio Sensitive Oriented Object Detector with Transformer)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:20:56Z)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)

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。