論文の概要: A Smart-Scheduled Hybrid (SSH) EKF-FGO State Estimation

• arxiv url: http://arxiv.org/abs/2606.16057v2
• Date: Thu, 18 Jun 2026 17:07:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 16:09:18.991148
• Title: A Smart-Scheduled Hybrid (SSH) EKF-FGO State Estimation
• Title（参考訳）: スマートスケジューリングハイブリッド(SSH)EKF-FGO状態推定
• Authors: Eric Levy, Soosan Beheshti,
• Abstract要約: 本稿では,Smart Scheduled Hybrid (SSH) EKF-FGOフレームワークをテストベッドとして,最適化スケジューリングを明示的に分離する実験を行った。 EKFをベースとした状態伝搬と周期的に起動されたバッチ最適化とソルバ構造と労力の固定を組み合わせることで、最適化スケジューリングを独立設計変数として実験的に特徴づけることが主な貢献である。 その結果、グローバル最適化の利点のほとんどを計算コストのごく一部で維持できる運用体制が特定される。
• 参考スコア（独自算出の注目度）: 1.3750624267664155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable state estimation in robotics and control re quires balancing estimation accuracy against computational cost. While filtering-based methods such as the Extended Kalman Filter (EKF) provide efficient real-time updates, and optimisation based formulations using factor graphs improve global consistency, the role of optimisation scheduling is often treated implicitly rather than examined as an explicit design variable. This paper presents an experimental study that explicitly isolates optimisation scheduling using a Smart Scheduled Hybrid (SSH) EKF-FGO framework as a controlled testbed. By combining EKF-based state propagation with periodically invoked batch optimisation and holding solver structure and effort fixed, the main contribution of this work is the experimental characterisation of optimisation scheduling as an independent design variable governing the trade-off between intermediate estimation accuracy and computational cost. Simulation results in a planar SLAM environment show that scheduling strongly influences pre optimisation drift, transient error behaviour, and runtime. In particular, the results identify operating regimes in which most of the benefit of global optimisation can be retained at a fraction of the computational cost, highlighting optimisation scheduling as an under-explored yet critical consideration in hybrid state estimation systems.
• Abstract（参考訳）: ロボット工学における信頼性の高い状態推定と制御は、計算コストに対する推定精度のバランスを取る。 拡張カルマンフィルタ(EKF)のようなフィルタリングに基づく手法は、効率的なリアルタイム更新を提供し、係数グラフを用いた最適化に基づく定式化は、グローバルな一貫性を向上させる一方、最適化スケジューリングの役割は明示的な設計変数としてではなく暗黙的に扱われることが多い。 本稿では,スマートスケジューリングハイブリッド(SSH)EKF-FGOフレームワークを制御テストベッドとして,最適化スケジューリングを明示的に分離する実験を行った。 本研究の主な貢献は,EKFに基づく状態伝搬と周期的に起動されたバッチ最適化とソルバ構造の保持と作業の固定とを組み合わせることで,中間推定精度と計算コストのトレードオフを規定する独立設計変数として最適化スケジューリングを実験的に特徴づけることである。 平面SLAM環境におけるシミュレーション結果から,スケジューリングが事前最適化ドリフト,過渡的エラー挙動,実行時間に強く影響を与えることが示された。 特に,グローバル最適化の利点の大部分を計算コストのごく一部で維持できる運用体制を特定し,ハイブリッド状態推定システムにおける未探索かつ批判的な考察として最適化スケジューリングを強調した。

関連論文リスト

• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• Generative Control as Optimization: Time Unconditional Flow Matching for Adaptive and Robust Robotic Control [33.03635235189535]
  動作合成を反復的最適化に変換する時間非条件フレームワークGeCOについて紹介する。 テスト時間推論は、単純な状態に対して収束開始早期に基づいて計算を割り当てる適応的なプロセスとなり、難しい状態に対してはより長く精製する。 我々は,GeCOを標準シミュレーションベンチマークで検証し,pi0シリーズのVision-Language-Action(VLA)モデルにシームレスなスケーリングを示す。
  論文  参考訳（メタデータ） (2026-03-18T15:27:17Z)
• Efficient Policy Learning with Hybrid Evaluation-Based Genetic Programming for Uncertain Agile Earth Observation Satellite Scheduling [12.409081996599665]
  アジャイル地球観測衛星スケジューリング問題(UAEOSSP)は、新しい最適化問題である。 利益、資源消費、可視性の不確実性が組み込まれており、事前計画されたスケジュールが最適でないか、あるいは不可能である可能性がある。 本稿では,UAEOSSPを効果的に解くためのHybrid Evaluation-based Genetic Programming (HE-GP)を提案する。
  論文  参考訳（メタデータ） (2026-03-09T14:43:36Z)
• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• Not All Preferences Are Created Equal: Stability-Aware and Gradient-Efficient Alignment for Reasoning Models [52.48582333951919]
  ポリシー更新の信号対雑音比を最大化することにより、アライメントの信頼性を高めるために設計された動的フレームワークを提案する。 SAGE(Stability-Aware Gradient Efficiency)は、モデル能力に基づいて候補プールをリフレッシュする粗いきめ細かいカリキュラムメカニズムを統合する。 複数の数学的推論ベンチマークの実験により、SAGEは収束を著しく加速し、静的ベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-02-01T12:56:10Z)
• Hierarchical Evaluation Function: A Multi-Metric Approach for Optimizing Demand Forecasting Models [0.479839492673697]
  ハイパーパラメータ最適化のためのマルチメトリックフレームワークとして階層評価関数(HEF)を提案する。 HEFは説明力(R2)、過度エラーに対する感度(RMSE)、平均精度(MAE)を統合している。 HEFの性能は予測領域で広く認識されている4つのベンチマークデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2025-08-18T16:25:49Z)
• Stochastic Optimization with Optimal Importance Sampling [49.484190237840714]
  本稿では,両者の時間的分離を必要とせずに,意思決定とIS分布を共同で更新する反復型アルゴリズムを提案する。 本手法は,IS分布系に対する目的的,軽度な仮定の凸性の下で,最小の変数分散を達成し,大域収束を保証する。
  論文  参考訳（メタデータ） (2025-04-04T16:10:18Z)
• Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management [50.34345101758248]
  本稿では,機能停止予測とグローバルに最適化された介入を統合するフレームワークPATOGを提案する。 提案手法は,空間的かつ時間的に整合性のある意思決定を保証し,予測精度と操作効率を両立させる。 合成および実世界のデータセットの実験では、停止予測一貫性とグリッドレジリエンスが大幅に改善された。
  論文  参考訳（メタデータ） (2025-02-25T16:15:35Z)

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。