論文の概要: FW-NKF: Frequency-Weighted Neural Kalman Filters

• arxiv url: http://arxiv.org/abs/2606.02251v1
• Date: Mon, 01 Jun 2026 13:42:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.179311
• Title: FW-NKF: Frequency-Weighted Neural Kalman Filters
• Title（参考訳）: FW-NKF:周波数重み付きニューラルカルマンフィルタ
• Authors: Adnan Harun Dogan, Berken Utku Demirel, Christian Holz,
• Abstract要約: 周波数重み付きニューラルカルマンフィルタ(FW-NKF)について紹介する。 FW-NKFは、因果スペクトル形成演算子をカルマン測定残差に埋め込み、観測と遷移ネットワークを共同で学習する。 フィルタスペクトルと潜時状態表現の両方を適応させることで、FW-NKFは複雑な残留構造を捕捉しながらノイズに支配される周波数帯域を減衰させる。
• 参考スコア（独自算出の注目度）: 32.87431566616892
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robust state estimation is central to robotic autonomy, yet classical Kalman filters struggle with frequency-dependent disturbances and model mismatch such as sensor vibrations, electromagnetic interference, and periodic noise. Although Deep Kalman Filter (DKF) variants extend the Extended Kalman Filtering (EKF) framework by learning latent transitions, they lack explicit mechanisms to suppress band-limited noise components that typically corrupt sensor measurements in real-world scenarios. We introduce the Frequency-Weighted Neural Kalman Filter (FW-NKF), a unified hybrid approach that embeds a causal spectral-shaping operator into the Kalman measurement residual and jointly learns observation, and transition networks. By adapting both the filter spectrum and the latent state representation, FW-NKF attenuates the noise-dominated frequency bands while capturing complex residual structures. We conduct extensive experiments on four heterogeneous benchmarks, including chaotic systems such as multi-dimensional Lorenz systems and full-body inertial pose estimation, and find a reduction in localization error of up to 10% as well as marked improvements in orientation accuracy. Our ablation studies confirm that frequency weighting and deep latent-state modeling contribute to overall performance.
• Abstract（参考訳）: ロバスト状態推定はロボットの自律性の中心であるが、古典的なカルマンフィルタは周波数依存性の障害やセンサ振動、電磁干渉、周期ノイズなどのモデルミスマッチに苦しむ。 ディープカルマンフィルタ(DKF)の変種は、潜時遷移を学習することで拡張カルマンフィルタ(EKF)フレームワークを拡張するが、現実のシナリオでセンサ測定を劣化させるような帯域制限ノイズ成分を抑える明確なメカニズムは欠如している。 本稿では、周波数重み付きニューラルカルマンフィルタ(FW-NKF)を導入し、因果スペクトル形成演算子をカルマン測定残差に埋め込み、観測と遷移ネットワークを共同学習する統合ハイブリッド手法を提案する。 フィルタスペクトルと潜時状態表現の両方を適応させることで、FW-NKFは複雑な残留構造を捕捉しながらノイズに支配される周波数帯域を減衰させる。 多次元ロレンツ系や全身慣性ポーズ推定などのカオスシステムを含む4つの不均一なベンチマークに対して広範な実験を行い、最大10%のローカライゼーション誤差の低減と、配向精度の顕著な改善を見出した。 我々のアブレーション研究は、周波数重み付けと深い潜在状態モデリングが全体的な性能に寄与していることを確認した。

関連論文リスト

• Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-18T17:38:13Z)
• Iterated Invariant EKF for Quadruped Robot Odometry [2.975934604778082]
  我々はIterIEKFに基づく脚ロボットのための新しいオープンソース状態推定アルゴリズムを提案する。 We demonstrate that the IterIEKF are out of the vanilla IEKF, the SO(3)-based Kalman Filter, and its iterationated variant in both accuracy and consistency。
  論文  参考訳（メタデータ） (2026-04-16T18:09:15Z)
• SKANet: A Cognitive Dual-Stream Framework with Adaptive Modality Fusion for Robust Compound GNSS Interference Classification [47.20483076887704]
  グローバルナビゲーション衛星システム(GNSS)は、洗練された妨害による脅威の増大に直面している。 時間周波数画像(TFI)とパワースペクトル密度(PSD)を統合した2重ストリームアーキテクチャに基づく認知的ディープラーニングフレームワークを提案する。 SKANetは96.99%の精度を達成し、複合妨害分類において優れたロバスト性を示した。
  論文  参考訳（メタデータ） (2026-01-19T07:42:45Z)
• Recursive KalmanNet: Deep Learning-Augmented Kalman Filtering for State Estimation with Consistent Uncertainty Quantification [0.0]
  本稿では,正確な状態推定を目的としたKalman-filter-informed Recurrent Neural NetworkであるRecursive KalmanNetを紹介する。 非ガウス的ホワイトノイズを用いた実験では,従来のカルマンフィルタと既存の最先端ディープラーニングに基づく推定器の両方で性能が向上することが示された。
  論文  参考訳（メタデータ） (2025-06-13T10:11:32Z)
• Long-time accuracy of ensemble Kalman filters for chaotic and machine-learned dynamical systems [2.5245286741414663]
  本稿では,アンサンブルカルマンフィルタの長時間精度を確立する。 我々の理論は、部分的に観察されたカオス力学系の幅広いクラスをカバーしている。 シュロゲート力学を用いたアンサンブルカルマンフィルタの長時間精度を検証した。
  論文  参考訳（メタデータ） (2024-12-18T20:35:21Z)
• Uncertainty Representations in State-Space Layers for Deep Reinforcement Learning under Partial Observability [59.758009422067]
  線形状態空間モデルにおいて閉形式ガウス推論を行う独立なカルマンフィルタ層を提案する。 効率的な線形リカレント層と同様に、Kalmanフィルタ層は並列スキャンを使用してシーケンシャルデータを処理している。 実験により、不確実性推論が意思決定の鍵となる問題においてカルマンフィルタ層が優れており、他のステートフルモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-25T11:22:29Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Neural Augmentation of Kalman Filter with Hypernetwork for Channel Tracking [65.79881335044539]
  動的に異なる複数のアプリケーションを追跡するために,Hypernetwork Kalman Filter (HKF)を提案する。 HKFはカルマンフィルタの一般化パワーとニューラルネットワークの表現力を組み合わせたものである。
  論文  参考訳（メタデータ） (2021-09-26T10:59:24Z)
• 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。