論文の概要: Uncertainty-Aware Adaptive Sensor Fusion for Autonomous Navigation

• arxiv url: http://arxiv.org/abs/2606.05437v1
• Date: Wed, 03 Jun 2026 20:59:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.404046
• Title: Uncertainty-Aware Adaptive Sensor Fusion for Autonomous Navigation
• Title（参考訳）: 自律走行のための不確実性認識型適応型センサフュージョン
• Authors: Simegnew Yihunie Alaba, Yuichi Motai,
• Abstract要約: この研究は、視覚慣性オドメトリー(VIO)の自律ナビゲーションにおけるポーズ推定精度を高めるために、Unscented Kalman Filter (UKF)と統合されたハイブリッドディープラーニングアプローチを導入する。 提案モデルでは、慣性計測ユニット(IMU)データから時間的依存を効果的に捉えるために、ViT(Vision Transformer)ネットワークを使用している。 予測不確実性を学習プロセスに明示的に組み込むことにより,ノイズ,不完全,信頼できないセンサ入力下での堅牢かつ正確なナビゲーションを可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work introduces a hybrid deep learning approach integrated with an Unscented Kalman Filter (UKF) to enhance pose estimation accuracy in Visual-Inertial Odometry (VIO) for autonomous navigation. The proposed model employs a Vision Transformer (ViT) network to effectively capture temporal dependencies from inertial measurement unit (IMU) data and utilizes a Multiscale Convolutional Neural Network (MCNN) to learn optical flow-based motion cues from visual data. An adaptive sensor fusion module dynamically weights IMU and visual features by leveraging estimated uncertainty, thus improving robustness in diverse and challenging environmental conditions. Additionally, a novel uncertainty-aware loss function is proposed to explicitly incorporate prediction uncertainty into the learning process, enabling robust and accurate navigation under noisy, incomplete, or unreliable sensor inputs. Comprehensive evaluations of the KITTI dataset demonstrate that the proposed method significantly outperforms baseline approaches, achieving superior performance in terms of Absolute Trajectory Error (ATE) and Relative Pose Error (RPE). The lightweight and computationally efficient model processes data at 155 FPS on an NVIDIA A100 GPU, making it highly suitable for deployment in resource-constrained autonomous systems.
• Abstract（参考訳）: この研究は、視覚慣性オドメトリー(VIO)の自律ナビゲーションにおけるポーズ推定精度を高めるために、Unscented Kalman Filter (UKF)と統合されたハイブリッドディープラーニングアプローチを導入する。 提案モデルでは,慣性計測ユニット(IMU)データから時間的依存を効果的に捉えるために視覚変換器(ViT)ネットワークを用い,マルチスケール畳み込みニューラルネットワーク(MCNN)を用いて視覚データから光フローに基づく動作キューを学習する。 適応型センサ融合モジュールは、推定不確実性を利用して、IMUと視覚特徴を動的に重み付けし、多様で挑戦的な環境条件における堅牢性を向上させる。 さらに、予測不確実性を学習プロセスに明示的に組み込むことにより、ノイズ、不完全、または信頼できないセンサ入力下での堅牢で正確なナビゲーションを可能にする新しい不確実性認識損失関数を提案する。 KITTIデータセットの包括的評価により,提案手法はベースラインのアプローチを著しく上回り,絶対軌道誤差(ATE)と相対ポース誤差(RPE)の点で優れた性能を発揮することが示された。 軽量で計算効率のよいモデルでは、NVIDIA A100 GPU上で155 FPSでデータを処理し、リソースに制約のある自律システムへのデプロイに非常に適している。

関連論文リスト

• Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection [53.45696787935487]
  Federated Learning (FL)は、大規模分散サービスノード間の協調的なモデルトレーニングを可能にする。 実世界のサービス指向デプロイメントでは、異種ユーザ、デバイス、アプリケーションシナリオによって生成されたデータは本質的にIIDではない。 FLoodは、オフ・オブ・ディストリビューション(OOD)検出にインスパイアされた新しいFLフレームワークである。
  論文  参考訳（メタデータ） (2026-02-01T05:54:59Z)
• FAR-AVIO: Fast and Robust Schur-Complement Based Acoustic-Visual-Inertial Fusion Odometry with Sensor Calibration [7.394651310128268]
  水中ロボットに適した音響・視覚・慣性計測フレームワークであるFAR-AVIOについて述べる。 私たちの実装はhttps://far-vido.gitbook.io/far-vido-docs.comでオープンソースソフトウェアとしてリリースされました。
  論文  参考訳（メタデータ） (2025-12-23T13:36:47Z)
• Interpretable Hybrid Deep Q-Learning Framework for IoT-Based Food Spoilage Prediction with Synthetic Data Generation and Hardware Validation [0.5417521241272645]
  インテリジェントでリアルタイムな腐敗予測システムの必要性は、現代のIoT駆動食品サプライチェーンにおいて重要になっている。 本稿では,Long Short-Term Memory(LSTM)とRecurrent Neural Networks(RNN)を統合したハイブリッド強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-22T12:59:48Z)
• ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM [5.5217350574838875]
  視覚-慣性SLAM性能を向上させる新しいフレームワークであるICD-Netを提案する。 従来のVINS-Fusionと比較して,軌道推定精度は有意に向上した。 ニューラルネットワークの強化は,SLAM劣化の複数の要因に効果的に対処できることを示す。
  論文  参考訳（メタデータ） (2025-11-13T11:25:02Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• A Maritime Industry Experience for Vessel Operational Anomaly Detection: Utilizing Deep Learning Augmented with Lightweight Interpretable Models [0.19116784879310028]
  本研究は,半教師付き深層学習モデルに軽量な解釈可能なサロゲートモデルを適用した船体動作異常検出手法を示す。 我々は、通常の運用データに基づいて訓練され、実際の異常検出データでテストされた標準および長期記憶(LSTM)オートエンコーダを利用する。
  論文  参考訳（メタデータ） (2023-12-30T01:31:54Z)
• Over-the-Air Federated Learning and Optimization [52.5188988624998]
  エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。 本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。 エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。 さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
  論文  参考訳（メタデータ） (2023-10-16T05:49:28Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Control Design of Autonomous Drone Using Deep Learning Based Image Understanding Techniques [1.0953917735844645]
  本稿では,室内の騒音や不確実性を考慮して,自律飛行を行うための制御器の入力として画像を使用する新しい枠組みを提案する。 ノイズの多い環境下でドローン/クワッドコプターの飛行安定性を向上させるために, 微分フィルタを用いた新しいPIDA制御を提案する。
  論文  参考訳（メタデータ） (2020-04-27T15:50:04Z)

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。