論文の概要: Uncertainty-Aware 3D Position Refinement for Multi-UAV Systems
- arxiv url: http://arxiv.org/abs/2605.13500v1
- Date: Wed, 13 May 2026 13:22:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:28.069474
- Title: Uncertainty-Aware 3D Position Refinement for Multi-UAV Systems
- Title（参考訳）: マルチUAVシステムにおける不確実性を考慮した3次元位置補正
- Authors: Hosam Alamleh, Damir Pulatov,
- Abstract要約: 本稿では, 無人航空機の局部推定値を, 近隣の共有状態サマリーやUAV間距離, 近接制約と組み合わせることで, 頑健性を向上する分散軽量な3次元位置補正層を提案する。
提案手法は, 冷間開始時の平均局所化誤差を著しく低減し, 局所推定器が安定化した後も競争力を保ち, 信頼のない核融合と比較して悪質ノードの割合が増加するにつれて, 低い誤差を保ち続けることを示す。
- 参考スコア（独自算出の注目度）: 0.3867363075280543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reliable real-time 3D localization is essential for multi-UAV navigation, collision avoidance, and coordinated flight, yet onboard estimates can degrade under GNSS multipath, non-line-of-sight reception, vertical drift, and intentional interference. This paper presents a decentralized, lightweight 3D position-refinement layer that improves robustness by fusing each Unmanned Aerial Vehicle (UAV)'s local estimate with neighbor-shared state summaries and inter-UAV range or proximity constraints. The method performs uncertainty-aware neighborhood fusion by weighting each UAV's prior according to its reported covariance and weighting neighbor constraints according to link quality, ranging uncertainty, and a learned trust score. To support practical deployment, the framework explicitly handles cold start and temporary localization loss by inflating or substituting weak priors, allowing trusted neighborhood constraints to bootstrap and stabilize estimates until absolute sensing recovers. To mitigate the impact of faulty or malicious participants, each UAV applies a local range-consistency check, smoothed over time, to down-weight or exclude neighbors whose reported positions are incompatible with observed inter-UAV distances. Simulation experiments with 10 UAVs in a 3D volume show that the proposed refinement substantially reduces mean localization error during cold start, remains competitive after local estimators stabilize, and maintains lower error as the fraction of malicious nodes increases compared with fusion without trust. These results suggest that the approach can serve as a practical resilience layer for swarm operation in challenging environments.
- Abstract（参考訳）: 信頼性の高いリアルタイム3Dローカライゼーションは、マルチUAVナビゲーション、衝突回避、協調飛行に不可欠であるが、搭載された推定値は、GNSSマルチパス、非視線受信、垂直ドリフト、意図的な干渉の下で分解することができる。
本稿では, 無人航空機(UAV)の局部推定値と, 近隣の共有状態サマリーとUAV間距離あるいは近接制約とを融合させることにより, 頑健性を向上する分散軽量な3次元位置補正層を提案する。
報告された共分散度に応じて各UAVの事前値を重み付けし、リンク品質、不確実性の範囲、学習信頼度に応じて隣り合う制約を重み付けすることにより、不確実性を考慮した近傍融合を行う。
実践的な展開を支援するため、このフレームワークは、弱い事前を膨らませたり置換したりすることで、コールドスタートと一時的なローカライゼーション損失を明示的に処理し、絶対的な検知が回復するまで、信頼された近所の制約をブートストラップし、見積もりを安定化させる。
欠陥や悪意のある参加者の影響を軽減するため、各UAVは、観測されたUAV間距離と互換性がないと報告された隣人に対して、時間とともにスムーズなローカルレンジ整合性チェックを適用している。
3Dボリュームでの10UAVによるシミュレーション実験により,提案手法はコールドスタート時の平均局所化誤差を著しく低減し,局所推定器が安定化した後も競争力を保ち,信頼性のない融合に比べて悪意ノードの数が増加するにつれて低い誤差を保ち続けることが示された。
これらの結果から,本手法は難易度の高い環境において,Swarm操作のための実用的なレジリエンス層として機能する可能性が示唆された。
関連論文リスト
- Evidence-Based Landing Site Selection and Vison-Based Landing for UAVs in Unstructured Environments [0.9236074230806578]
本稿では,無人無人無人着陸のためのエビデンスに基づく確率的枠組みを提案する。
視覚サーボによる実行から不確実性の下での意思決定を明示的に分離する。
NvidiaのIsaac Simによる実世界の実験と高忠実度シミュレーションの両方を通じて検証されている。
論文 参考訳（メタデータ） (2026-05-02T13:05:20Z) - Neural Aided Kalman Filtering for UAV State Estimation in Degraded Sensing Environments [0.3093890460224435]
本稿では,トレーニング済みBNNとKalman修正ステップを結合したハイブリッドフレームワークを提案する。
合成非線形UAV飛行データを用いて, レーダノイズレベルとサンプリングレートの異なるBNKFの評価を行った。
論文 参考訳（メタデータ） (2026-04-30T16:55:15Z) - Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - Robust Multi-Agent Reinforcement Learning for Small UAS Separation Assurance under GPS Degradation and Spoofing [21.870113057418447]
小型無人航空機システム(sUAS)のGPS劣化とスプーフィング下でのロバストな分離保証について検討する。
この式は,2次精度で,真に最悪の逆方向の摂動を近似することを示す。
高密度sUASシミュレーションでは, 破壊レベルが最大35%に達するとほぼゼロに近い衝突速度が観測され, 対向的摂動を伴わない基本方針よりも優れていた。
論文 参考訳（メタデータ） (2026-03-30T18:26:59Z) - OnFly: Onboard Zero-Shot Aerial Vision-Language Navigation toward Safety and Efficiency [9.769964979769204]
ゼロショットAVLNのためのフルオンボードリアルタイムフレームワークOnFlyを提案する。
OnFlyは、低周波進行監視から高周波目標生成を分離する、共有パーセプション二重エージェントアーキテクチャを採用している。
シミュレーションでは、OnFlyは最強の最先端ベースラインと比較してタスク成功率を26.4%から67.8%に改善している。
論文 参考訳（メタデータ） (2026-03-11T11:48:22Z) - KD-EKF: Knowledge-Distilled Adaptive Covariance EKF for Robust UWB/PDR Indoor Localization [6.004649968619912]
屋内でのローカライゼーションは、センチメートルレベルの精度と低レイテンシを提供する。
非視界条件下では測定信頼性が著しく低下する。
慣性測定ユニット(IMU)をベースとしたPDR(Pedestrian Dead Reckoning)は,インフラストラクチャフリーな動作推定を提供する。
論文 参考訳（メタデータ） (2026-03-06T03:12:52Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - 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) - Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。
我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。
SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
論文 参考訳（メタデータ） (2024-06-10T21:44:52Z) - Ada3Diff: Defending against 3D Adversarial Point Clouds via Adaptive
Diffusion [70.60038549155485]
ディープ3Dポイントクラウドモデルは敵攻撃に敏感であり、自律運転のような安全クリティカルなアプリケーションに脅威をもたらす。
本稿では,適応強度推定器と拡散モデルを用いて,プリスタンデータ分布を再構築できる新しい歪み認識型防衛フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-29T14:32:43Z) - 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。