論文の概要: Resilient Navigation for Autonomous Farm Robots by Leveraging Jerk-Augmented Models with IMU-Only Disturbance Rejection

• arxiv url: http://arxiv.org/abs/2606.10971v1
• Date: Tue, 09 Jun 2026 15:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.052646
• Title: Resilient Navigation for Autonomous Farm Robots by Leveraging Jerk-Augmented Models with IMU-Only Disturbance Rejection
• Title（参考訳）: IMU専用外乱回避を用いたJerk-Augmented Modelの活用による自律型ファームロボットの弾力性ナビゲーション
• Authors: Batu Candan, Mohammed Atallah, Simone Servadio, Saeed Arabi,
• Abstract要約: 本稿では,MTF適応法と統合された拡張カルマンフィルタ(EKF)に基づくロバストナビゲーションアルゴリズムを提案する。 本研究では,サリン247自律ロボットの現実データを用いたアルゴリズムの評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Precise state estimation for navigation of autonomous agricultural robots is often compromised by sensor outages (GNSS/LiDAR/Visual) and high-frequency vibrations inherent in off-road environments. This paper proposes a robust navigation algorithm based on a jerk-augmented Extended Kalman Filter (EKF) integrated with a Multiple Tuning Factor (MTF) adaptation method. Unlike standard EKF approaches that assume constant measurement noise, our method dynamically adjusts the measurement covariance matrix in real-time, allowing the system to cope with sudden disturbances and sensor outliers. We evaluate the algorithm using real-world data from a Salin247 autonomous robot. Results demonstrate that jerk-augmentation combined with MTF adaptation significantly reduces 3D position Root Mean Square Error (RMSE) compared to baseline EKF models, providing superior dead-reckoning capabilities.
• Abstract（参考訳）: 自律型農業ロボットのナビゲーションにおける高精度な状態推定は、オフロード環境に固有のセンサ障害(GNSS/LiDAR/Visual)と高周波振動によってしばしば損なわれる。 本稿では,MTF適応法と統合された拡張カルマンフィルタ(EKF)に基づくロバストナビゲーションアルゴリズムを提案する。 定音を仮定する標準的なEKF手法とは異なり,本手法は測定共分散行列をリアルタイムで動的に調整し,突発的な乱れやセンサの異常に対処する。 本研究では,サリン247自律ロボットの現実データを用いたアルゴリズムの評価を行った。 その結果, MTF適応と組み合わせることで, ベースラインのEKFモデルに比べて3次元位置の回転平均角誤差(RMSE)が有意に低減され, デッドレコンディング能力に優れていた。

関連論文リスト

• Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation [28.37226750522601]
  この研究は、リアプノフに基づく非線形コントローラと適応ネットワーク(ANN)を組み合わせた統一制御と状態推定フレームワークを導入する。 提案した制御器はニューラルネットワークの普遍近似特性を利用して未知の非線形性をリアルタイムでモデル化する。 堅牢な状態推定を保証するため、EKFは単分子、2D-LiDARおよびホイールエンコーダから慣性測定ユニット(IMU)とオドメトリーを融合させる。
  論文  参考訳（メタデータ） (2026-03-16T07:44:28Z)
• 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)
• 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)
• OptiState: State Estimation of Legged Robots using Gated Networks with Transformer-based Vision and Kalman Filtering [42.817893456964]
  脚のあるロボットの状態推定は、非常にダイナミックな動きとセンサーの精度による制限のために困難である。 本稿では,ロボットのトランクの状態を推定するために,プロピロセプションと外部受動的情報を組み合わせたハイブリッドソリューションを提案する。 このフレームワークは正確なロボットの状態推定を行うだけでなく、センサの測定や学習によるモデルの単純化から生じる非線形誤差を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2024-01-30T03:34:25Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)

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。