論文の概要: Calibration-Free Gas Source Localization with Mobile Robots: Source Term Estimation Based on Concentration Measurement Ranking

• arxiv url: http://arxiv.org/abs/2605.13208v1
• Date: Wed, 13 May 2026 08:58:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.930976
• Title: Calibration-Free Gas Source Localization with Mobile Robots: Source Term Estimation Based on Concentration Measurement Ranking
• Title（参考訳）: 移動ロボットによるキャリブレーションフリーガス源位置決め:濃度測定ランキングに基づく音源推定
• Authors: Wanting Jin, Agatha Duranceau, İzzet Kağan Erünsal, Alcherio Martinoli,
• Abstract要約: 安価なガスセンサーを備えた移動ロボットは、危険環境における人間の検査の代替として、より安全な手段を提供する。 本研究では, 動的に蓄積したデータセット内のガス測定値の相対的ランク付けを利用する特徴抽出アルゴリズムを提案する。 我々は,高忠実度シミュレーションと物理実験において,非校正ガスセンサを用いた一貫した位置決め精度を実証し,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 6.929743379017672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient Gas Source Localization (GSL) in real-world settings is crucial, especially in emergency scenarios. Mobile robots equipped with low-cost, in-situ gas sensors offer a safer alternative to human inspection in hazardous environments. Probabilistic algorithms enhance GSL efficiency with scattered gas measurements by comparing gas concentration measurements gathered by robots to physical dispersion models. However, accurately deriving gas concentrations from data acquired with low-cost sensors is challenging due to the nonlinear sensor response, environmental dependencies (e.g., humidity, temperature, and other gas influences), and robot motion. Mitigating these disturbance factors requires frequent sensor calibration in controlled environments, which is often impractical for real-world deployments. To overcome these issues, we propose a novel feature extraction algorithm that leverages the relative ranking of gas measurements within the dynamically accumulated dataset. By comparing the rank differences between gathered and modeled values, we estimate the probabilistic distribution of source locations across the entire environment. We validate our approach in high-fidelity simulations and physical experiments, demonstrating consistent localization accuracy with uncalibrated gas sensors. Compared to existing methods, our technique eliminates the need for gas sensor calibration, making it well-suited for real-world applications.
• Abstract（参考訳）: 実環境におけるガス源の効率的な局在化(GSL)は特に緊急時において重要である。 安価なガスセンサーを備えた移動ロボットは、危険環境における人間の検査の代替として、より安全な手段を提供する。 確率的アルゴリズムは、ロボットが収集したガス濃度測定を物理的分散モデルと比較することにより、散乱ガス測定によるGSL効率を向上させる。 しかし, センサの非線形応答, 環境依存性(湿度, 温度, その他のガスの影響), ロボットの動きなどにより, 低コストで取得したデータから, 正確にガス濃度を導出することは困難である。 これらの障害要因を緩和するには、制御された環境における頻繁なセンサーキャリブレーションが必要である。 これらの問題を克服するために,動的に蓄積されたデータセット内のガス計測の相対的ランク付けを利用する特徴抽出アルゴリズムを提案する。 収集された値とモデル化された値のランク差を比較することにより、環境全体にわたるソース位置の確率分布を推定する。 我々は,高忠実度シミュレーションと物理実験において,非校正ガスセンサを用いた一貫した位置決め精度を実証し,本手法の有効性を検証した。 従来の手法と比較して, ガスセンサの校正は不要であり, 実世界の応用に適している。

関連論文リスト

• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。 本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。 本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• An Adaptive GViT for Gas Mixture Identification and Concentration Estimation [9.331787778137945]
  ガス識別の精度は97.61%に達し、純粋なガス濃度推定のR2は平均で99.5%を超える。 GViTモデルは、センサアレイの可変長リアルタイム信号データを入力として直接利用することができる。
  論文  参考訳（メタデータ） (2023-03-10T03:37:05Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Using context to adapt to sensor drift [0.0]
  匂い感知のスキルのコンテキストとしてドリフトを表す適応システムは、自動的に同じ目標を達成する。 ニューラルネットワークは将来のコンテキストを予測し、コンテキスト+スキルセンシングシステムがセンサードリフトに適応できるようにする。 このように、文脈+スキルシステムは、変化する世界に適応するための動物の嗅覚システムの自然な能力をエミュレートする。
  論文  参考訳（メタデータ） (2020-03-16T15:53:11Z)

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。