Fugu-MT 論文翻訳(概要): Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation

論文の概要: Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation

arxiv url: http://arxiv.org/abs/2605.18704v1
Date: Mon, 18 May 2026 17:38:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 17:57:50.209205
Title: Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation
Title（参考訳）: ロバストUAV状態推定のためのSage-Husa Kalmanフィルタの学習メモリ減衰
Authors: Kenan Majewski, Marcin Żugaj,
Abstract要約: 動的環境における無人航空機はテレメトリーの停止、構造振動、状態依存ノイズに直面している。我々は、スカラーパラメータをベクトル値のメモリ減衰ポリシーに置き換えるN-Deep Recurrent Sage-Husa Filter (NDR-SHKF)を導入する。分岐アーキテクチャは、浅い再帰状態をルートし、瞬間的なセンサ異常と深い状態を捕捉し、持続的な動的傾向を符号化する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Unmanned Aerial Vehicles in dynamic environments face telemetry outages, structural vibrations, and regime-dependent noise that invalidate the stationary covariance assumptions of classical Kalman filters. The Sage-Husa Kalman Filter (SHKF) estimates noise statistics online, but its reliance on a static, scalar forgetting factor forces a strict compromise between steady-state stability and transient responsiveness. We introduce the N-Deep Recurrent Sage-Husa Filter (NDR-SHKF), which replaces this scalar parameter with a vector-valued memory attenuation policy learned by a hierarchical recurrent network operating on whitened innovation sequences. A bifurcated architecture routes shallow recurrent states to capture instantaneous sensor anomalies and deep states to encode sustained dynamic trends, while an auxiliary reconstruction objective prevents feature collapse. The complete filter, including recursive covariance updates, is trained end-to-end via backpropagation through time to directly minimize state estimation error. Evaluations on topologically distinct chaotic attractors demonstrate cross-domain generalization, outperforming purely data-driven baselines that diverge under out-of-distribution dynamics. Furthermore, evaluations on recorded real-world UAV flight datasets validate the framework's practical viability, demonstrating its capacity to bridge transitions into proprioceptive dead reckoning and outperform classical adaptive estimators during sensor outages.
Abstract（参考訳）: 動的環境における無人航空機は、古典カルマンフィルタの定常共分散仮定を無効にするテレメトリーの停止、構造振動、状態依存ノイズに直面している。 Sage-Husa Kalman Filter (SHKF)は、オンラインのノイズ統計を推定するが、静的なスカラーな忘れ係数に依存しているため、定常安定性と過渡応答性の厳密な妥協を迫られる。我々は,このスカラーパラメータをベクトル値のメモリ減衰ポリシーに置き換えたN-Deep Recurrent Sage-Husa Filter (NDR-SHKF)を導入する。分岐型アーキテクチャは、浅い再帰状態をルートして、瞬間的なセンサ異常や深部状態を捕捉し、持続的な動的傾向を符号化する一方、補助的な再構成目的は特徴の崩壊を防止する。再帰的共分散更新を含む完全なフィルタは、時間を通してバックプロパゲーションを通じてエンドツーエンドにトレーニングされ、状態推定エラーを直接最小化する。位相的に異なるカオス的誘引子の評価は、領域間の一般化を示し、分布外ダイナミクスの下で分散する純粋にデータ駆動ベースラインより優れている。さらに、記録された実世界のUAV飛行データセットの評価は、このフレームワークの実用可能性を評価し、センサーの停止時に、その遷移を受容的なデッドレコメンデーションに橋渡しし、古典的な適応推定器より優れていることを示す。

関連論文リスト

MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文参考訳（メタデータ） (2026-05-18T01:52:12Z)
PVRF: All-in-one Adverse Weather Removal via Prior-modulated and Velocity-constrained Rectified Flow [69.40969296005794]
そこで本研究では,ゼロショット型軟弱感と速度制約付き整流補正を統合した統合フレームワークを提案する。 PVRFは、最先端のベースラインよりも忠実さと知覚品質の両方を改善する。
論文参考訳（メタデータ） (2026-05-13T19:07:14Z)
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)
An Asynchronous Two-Speed Kalman Filter for Real-Time UUV Cooperative Navigation Under Acoustic Delays [22.41476754687808]
無人水中車両(UUV)は、無人水中車両(UUV)が致命的な漂流に悩まされる。拡張カルマンフィルタ (EKF) やアンセントカルマンフィルタ (Unscented Kalman Filters, UKF) のような従来のフィルタは、遅延したデータを待っている間、主制御ループをブロックする。変分履歴蒸留(VHD)と呼ばれる新しいプロジェクション機構により強化された非同期2速カルマンフィルタ(T)を提案する。
論文参考訳（メタデータ） (2026-04-03T08:43:25Z)
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)
FILT3R: Latent State Adaptive Kalman Filter for Streaming 3D Reconstruction [51.56484100374058]
ストリーミング3D再構築は、受信フレームからオンラインで更新される永続的な潜伏状態を維持する。 FILT3Rは、トークン空間における状態推定として、リカレントな状態更新をキャストする。コードはhttps://github.com/jinotter3/FILT3Rでリリースされる。
論文参考訳（メタデータ） (2026-03-19T04:56:36Z)
SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
論文参考訳（メタデータ） (2026-03-16T02:55:14Z)
Distributed Kalman--Consensus Filtering with Adaptive Uncertainty Weighting for Multi-Object Tracking in Mobile Robot Networks [2.536160127321797]
本稿では,移動ロボットネットワークにおけるマルチオブジェクト追跡(MOT)のための分散カルマン・コンセンサスフィルタ(DKCF)の実装と評価を行う。このようなシステムにおける重要な課題は、ローカライゼーションの質が異なるエージェントからの情報の融合である。本稿では,近隣情報の影響を動的に調整する不確実性を考慮した適応型コンセンサス重み付け機構を提案する。
論文参考訳（メタデータ） (2026-03-11T21:41:10Z)
When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
論文参考訳（メタデータ） (2026-03-04T22:21:54Z)
Inverse Unscented Kalman Filter [16.975704972827305]
認知的「敵」はカルマンフィルタ(KF)のようなフレームワークを通じて関心の対象を追跡するターゲットまたは「ディフェンダー」は、相手が計算したディフェンダーの前方フィルタ推定を推測するために別の逆非セントフィルタを使用する。線形系では、逆カルマンフィルタ (I-KF) がこれらの反逆応用に有効であることが最近示されている。
論文参考訳（メタデータ） (2023-04-04T10:51:43Z)
KalmanNet: Neural Network Aided Kalman Filtering for Partially Known Dynamics [84.18625250574853]
KalmanNetは、データから学習し、非線形力学の下でKalmanフィルタを実行するリアルタイム状態推定器である。我々は、KalmanNetが非線形性とモデルミスマッチを克服し、古典的なフィルタリング手法より優れていることを数値的に示す。
論文参考訳（メタデータ） (2021-07-21T12:26:46Z)

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。