論文の概要: Communication Outage-Resistant UUV State Estimation: A Variational History Distillation Approach

• arxiv url: http://arxiv.org/abs/2603.29512v2
• Date: Fri, 03 Apr 2026 08:52:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 12:42:34.16546
• Title: Communication Outage-Resistant UUV State Estimation: A Variational History Distillation Approach
• Title（参考訳）: 通信障害耐性UUV状態推定:変分履歴蒸留手法
• Authors: Shuyue Li, Miguel López-Benítez, Eng Gee Lim, Fei Ma, Qian Dong, Mengze Cao, Limin Yu, Xiaohui Qin,
• Abstract要約: 無人水中車両(UUV)クラスタの信頼性の高い運用は、連続的な音響通信に大きく依存している。 通信障害が発生した場合、Unscented Kalman Filter (UKF)のような標準的な状態推定器は、オープンループ予測を強制される。 本稿では,物理に基づく標準運動モデルと,UUVの過去の軌道から直接抽出したパターンを結びつけた変分履歴蒸留(VHD)手法を提案する。
• 参考スコア（独自算出の注目度）: 22.41476754687808
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The reliable operation of Unmanned Underwater Vehicle (UUV) clusters is highly dependent on continuous acoustic communication. However, this communication method is highly susceptible to intermittent interruptions. When communication outages occur, standard state estimators such as the Unscented Kalman Filter (UKF) will be forced to make open-loop predictions. If the environment contains unmodeled dynamic factors, such as unknown ocean currents, this estimation error will grow rapidly, which may eventually lead to mission failure. To address this critical issue, this paper proposes a Variational History Distillation (VHD) approach. VHD regards trajectory prediction as an approximate Bayesian reasoning process, which links a standard motion model based on physics with a pattern extracted directly from the past trajectory of the UUV. This is achieved by synthesizing ``virtual measurements'' distilled from historical trajectories. Recognizing that the reliability of extrapolated historical trends degrades over extended prediction horizons, an adaptive confidence mechanism is introduced. This mechanism allows the filter to gradually reduce the trust of virtual measurements as the communication outage time is extended. Extensive Monte Carlo simulations in a high-fidelity environment demonstrate that the proposed method achieves a 91% reduction in prediction Root Mean Square Error (RMSE), reducing the error from approximately 170 m to 15 m during a 40-second communication outage. These results demonstrate that VHD can maintain robust state estimation performance even under complete communication loss.
• Abstract（参考訳）: 無人水中車両(UUV)クラスタの信頼性の高い運用は、連続的な音響通信に大きく依存している。 しかし、この通信方式は断続的割り込みの影響を受けやすい。 通信障害が発生した場合、Unscented Kalman Filter (UKF)のような標準的な状態推定器は、オープンループ予測を強制される。 未知の海流のような非モデル化された動的要因を含む環境の場合、この推定誤差は急速に増加し、最終的にはミッションの失敗につながる可能性がある。 本稿では,この問題に対処するために,変分履歴蒸留(VHD)アプローチを提案する。 VHDは、軌道予測を、物理に基づく標準運動モデルとUUVの過去の軌道から直接抽出されたパターンを結びつける、近似ベイズ的推論過程とみなす。 これは、歴史的軌跡から蒸留した「仮想測定」を合成することによって達成される。 拡張予測地平線上で推定された歴史的傾向の信頼性が低下していることを認識し、適応的信頼機構を導入する。 この機構により、通信停止時間が延長されるにつれて、フィルタは仮想計測の信頼性を徐々に低下させることができる。 高忠実度環境下でのモンテカルロシミュレーションにより,提案手法はルート平均角誤差(RMSE)を91%低減し,40秒間通信停止時の誤差を約170mから15mに低減することを示した。 これらの結果から,VHDは完全な通信損失下においても堅牢な状態推定性能を維持可能であることが示された。

関連論文リスト

• Predictive Modeling in AUV Navigation: A Perspective from Kalman Filtering [2.646393510325155]
  本稿では,自律型水中車両(AUVs)の枠組みについて述べる。これは,局部化精度の向上,軌道予測の向上,通信損失時の効率的な探索操作を支援する。 筆者らのフレームワークは,Kalmanフィルタと不確実性伝搬を用いてマルチブイ音響データを融合し,ナビゲーションの精度を維持し,通信損失時の堅牢な探索領域定義を導出する。
  論文  参考訳（メタデータ） (2026-03-28T21:47:22Z)
• Diverging Flows: Detecting Extrapolations in Conditional Generation [3.1784840992666137]
  分散フローは、単一のモデルが条件生成とネイティブな外挿検出を同時に実行できるようにする、新しいアプローチである。 予測忠実さや推論遅延を損なうことなく、効果的な外挿検出を実現する。 これらの結果は、信頼できるフローモデルのための堅牢なソリューションとして、Diverging Flowsを確立し、医療、ロボティクス、気候科学といった領域への信頼性の高いデプロイメントの道を開いた。
  論文  参考訳（メタデータ） (2026-02-13T16:15:58Z)
• Probabilistic NDVI Forecasting from Sparse Satellite Time Series and Weather Covariates [1.1503354666872168]
  植生動態の正確な短期予測は、精密農業におけるデータ駆動型意思決定支援の鍵となる。 衛星観測によるNDVIの予測は、雲の被覆によって引き起こされるスパースと不規則なサンプリングのため、依然として困難である。 本研究では,フィールドレベルのNDVI予測のための確率的予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-04T17:48:52Z)
• Mitigating Error Accumulation in Continuous Navigation via Memory-Augmented Kalman Filtering [20.380488628232186]
  無人航空機(UAV)にとって連続航法は重要である 既存のVision-Language Navigation (VLN) モデルはデッドレコンディングに従っており、次のウェイポイント予測のためにその位置を反復的に更新し、その後に完全な軌道を構築する。 本研究では,ナビゲーションを2つの補完的なプロセスに分解する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-30T05:03:08Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Sliding Sequential CVAE with Time Variant Socially-aware Rethinking for Trajectory Prediction [13.105275905781632]
  歩行者の軌道予測は、ビデオ監視、社会ロボットナビゲーション、自動運転など、多くのアプリケーションにおいて重要な技術である。 本研究は,CVAEモジュールと社会的に認識された回帰モジュールからなるCSRと呼ばれる新しい軌道予測手法を提案する。 実験の結果,提案手法はスタンフォード・ドローン・データセットの最先端手法よりも改善されていることが示された。
  論文  参考訳（メタデータ） (2021-10-28T10:56:21Z)
• Prediction of Traffic Flow via Connected Vehicles [77.11902188162458]
  本稿では,交通機関が交通の流れを早期に制御し,渋滞を防止するための短期交通流予測フレームワークを提案する。 我々は,過去の流れデータと,コネクテッド・ビークル(CV)技術によって提供されるリアルタイムフィードや軌道データといった革新的な特徴に基づいて,将来の道路セグメントにおける流れを予測する。 本手法は, 流れの予測, CVが軌道に沿ったセグメントに現実的に遭遇する様々な事象の影響を組み込むことによって, 高度なモデリングを可能にすることを示す。
  論文  参考訳（メタデータ） (2020-07-10T16:00:44Z)

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。