論文の概要: Bayesian Networks for Path-Based Sensors: Gathering Information and Path Planning in Communication Denied Environments

• arxiv url: http://arxiv.org/abs/2605.16673v1
• Date: Fri, 15 May 2026 22:25:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 16:51:59.146372
• Title: Bayesian Networks for Path-Based Sensors: Gathering Information and Path Planning in Communication Denied Environments
• Title（参考訳）: 経路センサのためのベイジアンネットワーク:通信拒否環境における情報収集と経路計画
• Authors: Alkesh K. Srivastava, George P. Kontoudis, Donald Sofge, Michael Otte,
• Abstract要約: パスベースセンサー」は連続した経路に沿って単一の観測結果を生成する。 1"は、イベントがどこで発生したかという直接的な情報を提供しない。 本稿では,経路に基づくセンサ観測に基づいて,信念マップを更新する手法を提案する。
• 参考スコア（独自算出の注目度）: 2.738648582869357
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A "path-based sensor" produces a single observation along a continuous path. For example, a boolean path-based sensor returns a single "1" if an event of interest is detected at any point along the path and a "0" otherwise. Notably, a "1" provides no direct information about where along the path the event(s) may have occurred. Previous work has demonstrated that observations from multiple path-based sensors can be fused to create a Bayesian belief map over the spatial locations of the underlying event or phenomenon. Moreover, path planning can employ Shannon information theory to accelerate the rate of convergence of the belief map. In this paper, we present a new method to update the belief map based on a path-based sensor observation, and then plan paths to increase information gain. In contrast to prior work that approximates the posterior by averaging over the alternative event histories, we introduce a Bayesian Network (BN) formulation that models the probabilistic relationships between the latent variables and path-based sensor measurements, enabling a more principled Bayesian belief update. We consider static hazard detection in a communication-denied environment as a representative problem setting. The event of a robot returning from its path corresponds to a path-based hazard sensor reading of "0" (hazard not detected), while a robot failing to return corresponds to a reading of "1" (hazard detected). We consider false positives and false negatives. We find that the new method leads to quicker convergence of the belief map than prior work in both single- and multi-robot cases.
• Abstract（参考訳）: パスベースセンサー」は連続した経路に沿って単一の観測結果を生成する。 例えば、ブール経路に基づくセンサは、経路に沿った任意の地点で興味ある事象が検出され、そうでなければ「0」が検出された場合、単一の「1」を返す。 特に、"1"は、イベントが発生した可能性のある経路について、直接的な情報を提供しない。 これまでの研究では、複数の経路に基づくセンサーからの観測を融合させて、基礎となる事象や現象の空間的位置に関するベイズ的信念マップを作成することが示されている。 さらに、経路計画ではシャノン情報理論を用いて信念マップの収束率を加速することができる。 本稿では,経路に基づくセンサ観測に基づいて信念マップを更新し,情報獲得のための経路を計画する手法を提案する。 代替事象履歴を平均化して後部を近似する以前の研究とは対照的に、潜伏変数と経路に基づくセンサ測定の間の確率的関係をモデル化したベイズネットワーク(BN)の定式化を導入し、より原理化されたベイズ的信念の更新を可能にした。 通信環境における静的ハザード検出を代表的な問題設定として検討する。 経路から戻るロボットの事象は「0」(ハザードは検出されない)の経路に基づくハザードセンサーの読み取りに対応し、帰還に失敗したロボットは「1」(ハザードは検出されない)の読みに対応する。 偽陽性と偽陰性を考える。 本手法は, 単一ロボットと複数ロボットの双方における先行研究よりも, 信念マップの収束を早める。

関連論文リスト

• Belief-Conditioned One-Step Diffusion: Real-Time Trajectory Planning with Just-Enough Sensing [1.6984211127623137]
  我々は、10ミリ秒の前方通過で短水平軌道を返す最初のプランナーであるBelief-Conditioned One-Step Diffusion (B-COD)を提示する。 この1つのプロキシは、ソフト・アクター・クリティカルがオンラインでセンサーを選択するのに十分であり、ポーズ・コ・グロースを束縛しながらエネルギーを最適化することを示している。
  論文  参考訳（メタデータ） (2025-08-16T21:34:16Z)
• Transformer-Based Neural Surrogate for Link-Level Path Loss Prediction from Variable-Sized Maps [11.327456466796681]
  送信機と受信機の位置に対する経路損失の推定は、ネットワーク計画やハンドオーバを含む多くのユースケースにおいて重要である。 本稿では,様々な次元の地図やスパース測定からリンクレベルの特性を予測できるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-06T20:17:40Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
  既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。 本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。 本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
  論文  参考訳（メタデータ） (2022-04-27T13:10:48Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
  LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。 本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
  論文  参考訳（メタデータ） (2022-03-11T01:12:00Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Trajectory saliency detection using consistency-oriented latent codes from a recurrent auto-encoder [0.0]
  軌道は、プログレッシブな動的サリエンシー検出をサポートする最良の方法です。 与えられた文脈に関連する共通の動きパターンを共有する通常の軌跡から逸脱した場合、軌跡は有能である。 本手法は,鉄道駅で取得した歩行者軌跡の公開データセットから得られた複数のシナリオにおいて,既存の手法に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-17T13:29:11Z)

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。