論文の概要: BIND-USBL: Bounding IMU Navigation Drift using USBL in Heterogeneous ASV-AUV Teams
- arxiv url: http://arxiv.org/abs/2604.11861v1
- Date: Mon, 13 Apr 2026 12:50:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.031318
- Title: BIND-USBL: Bounding IMU Navigation Drift using USBL in Heterogeneous ASV-AUV Teams
- Title（参考訳）: BIND-USBL:異種ASV-AUVチームにおけるUSBLを用いたIMUナビゲーションドリフトのバウンディング
- Authors: Pranav Kedia, Rajini Makam, Heiko Hamann, Suresh Sundaram,
- Abstract要約: 本稿では,GPSを用いた環境下での自律下水車(AUV)の協調的局在化フレームワークであるBIND-USBLについて述べる。
長期のナビゲーション障害は、個々のUSBL測定の精度ではなく、時間的間隔とそれらの修正の幾何的可用性によって引き起こされる。
その結果, 調査スケール, 音響カバレッジ, チーム構成, ASV形状の相互作用により, 局所化性能が形成されることがわかった。
- 参考スコア（独自算出の注目度）: 8.693483620068998
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Accurate and continuous localization of Autonomous Underwater Vehicles (AUVs) in GPS-denied environments is a persistent challenge in marine robotics. In the absence of external position fixes, AUVs rely on inertial dead-reckoning, which accumulates unbounded drift due to sensor bias and noise. This paper presents BIND-USBL, a cooperative localization framework in which a fleet of Autonomous Surface Vessels (ASVs) equipped with Ultra-Short Baseline (USBL) acoustic positioning systems provides intermittent fixes to bound AUV dead-reckoning error. The key insight is that long-duration navigation failure is driven not by the accuracy of individual USBL measurements, but by the temporal sparsity and geometric availability of those fixes. BIND-USBL combines a multi-ASV formation model linking survey scale and anchor placement to acoustic coverage, a conflict-graph-based TDMA uplink scheduler for shared-channel servicing, and delayed fusion of received USBL updates with drift-prone dead reckoning. The framework is evaluated in the HoloOcean simulator using heterogeneous ASV-AUV teams executing lawnmower coverage missions. The results show that localization performance is shaped by the interaction of survey scale, acoustic coverage, team composition, and ASV-formation geometry. Further, the spatial-reuse scheduler improves per-AUV fix delivery rate without violating the no-collision constraint, while maintaining low end-to-end fix latency.
- Abstract（参考訳）: GPSを用いた環境下での自律型水中車両(AUV)の高精度かつ連続的な位置決めは、海洋ロボティクスにおいて永続的な課題である。
外部位置修正がない場合、AUVは慣性的デッドレコンシングに依存しており、センサバイアスとノイズによる非有界ドリフトを蓄積する。
本稿では,Ultra-Short Baseline (USBL)音響位置決めシステムを備えた自動表面容器群 (ASV) が,AUVデッドレコンディングエラーに対する断続的な修正を行う,協調的局所化フレームワークであるBIND-USBLを提案する。
重要な洞察は、長期のナビゲーション障害は個々のUSBL測定の精度ではなく、時間的間隔とそれらの修正の幾何的可用性によって引き起こされるということだ。
BIND-USBLは、サーベイスケールとアンカー配置を音響カバレッジにリンクするマルチASV生成モデル、共有チャネルサーベイシングのためのコンフリクトグラフベースのTDMAアップリンクスケジューラ、ドリフト時デッドレコメンデーションによる受信USBL更新の遅延融合を組み合わせた。
このフレームワークはヘテロジニアスなAVV-AUVチームを用いてHoloOceanシミュレータで評価される。
その結果, 調査スケール, 音響カバレッジ, チーム構成, ASV形状の相互作用により, 局所化性能が形成されることがわかった。
さらに、空間再使用スケジューラは、非衝突制約に違反することなく、低エンドツーエンドの固定レイテンシを維持しながら、AUV当たりの固定配信率を向上させる。
関連論文リスト
- Consistent and Efficient MSCKF-based LiDAR-Inertial Odometry with Inferred Cluster-to-Plane Constraints for UAVs [46.21996481591401]
本稿では,UAVに適した一貫した,効率的なLiDAR-Inertial Odometryフレームワークを提案する。
スライディングウインドウのコプラナー制約にヌル空間プロジェクションを適用することにより、状態ベクトルにおける特徴パラメータへの直接依存を排除できる。
退化シナリオにおける堅牢性の向上,マップのない性質によるメモリ使用量の最小化,リソース制約の組込みプラットフォーム上でのリアルタイム実行などを実現している。
論文 参考訳（メタデータ） (2026-03-13T11:09:50Z) - Distributed and Consistent Multi-Robot Visual-Inertial-Ranging Odometry on Lie Groups [1.2247984232203188]
本稿では、複数のロボット間でVIOとUWBの測定を密に融合させる分散視覚慣性測度(DC-VIRO)フレームワークを提案する。
リー群上の右不変誤差定式化を利用して、提案手法は標準VIOの可観測性を保存する。
論文 参考訳（メタデータ） (2026-02-22T13:07:50Z) - Decentralized Multi-Robot Obstacle Detection and Tracking in a Maritime Scenario [1.1086440815804226]
本稿では,自律型表面容器と協調する複数のUAVを用いて,浮遊容器の検出と追跡を行う分散マルチロボットフレームワークを提案する。
それぞれのUAVは、ステレオ不均一で強化されたYOLOv8検出器を実行し、ターゲットごとのEKFトラックを不確実性を認識したデータアソシエーションで維持する。
情報駆動アロケータは、旅行作業における期待される不確実性低減と安全分離を取引することで、目標を割り当て、UAVホバリング視点を選択する。
論文 参考訳（メタデータ） (2026-02-12T14:42:17Z) - FAR-AVIO: Fast and Robust Schur-Complement Based Acoustic-Visual-Inertial Fusion Odometry with Sensor Calibration [7.394651310128268]
水中ロボットに適した音響・視覚・慣性計測フレームワークであるFAR-AVIOについて述べる。
私たちの実装はhttps://far-vido.gitbook.io/far-vido-docs.comでオープンソースソフトウェアとしてリリースされました。
論文 参考訳（メタデータ） (2025-12-23T13:36:47Z) - Visual Heading Prediction for Autonomous Aerial Vehicles [0.9083675407657857]
本稿では,リアルタイムUAV-UGV統合のためのビジョンベース,データ駆動型フレームワークを提案する。
YOLOv5モデルを使用してUGVを検出し、バウンディングボックスの特徴を抽出し、軽量な人工知能ニューラルネットワーク(ANN)によってUAVの要求方向角を推定する。
訓練されたANNは平均絶対誤差0.1506、根平均二乗誤差0.1957を達成し、正確な方向角予測を行う。
論文 参考訳（メタデータ） (2025-12-10T18:27:37Z) - STREAM-VAE: Dual-Path Routing for Slow and Fast Dynamics in Vehicle Telemetry Anomaly Detection [1.7751300245073598]
STREAM-VAEは、自動車テレメトリ時系列データにおける異常検出のための変分自動エンコーダである。
モデルでは,低速ドリフトと高速スパイク信号のダイナミックスを分離するためにデュアルパスエンコーダと,過渡偏差を表すデコーダを用いる。
論文 参考訳（メタデータ） (2025-11-19T10:58:40Z) - NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。
グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。
我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
論文 参考訳（メタデータ） (2025-06-23T14:28:30Z) - SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain
Adaptation [152.60469768559878]
ShiFTは、自動運転のための最大規模のマルチタスク合成データセットである。
曇り、雨と霧の強さ、昼の時間、車と歩行者の密度を個別に連続的に変化させる。
私たちのデータセットとベンチマークツールキットはwww.vis.xyz/shift.comで公開されています。
論文 参考訳（メタデータ） (2022-06-16T17:59:52Z) - 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) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。