論文の概要: Route-Constrained Robust Fusion Estimation for MEMS/GNSS Integrated Navigation of Unmanned Ground Vehicles in GNSS Degraded Environments

• arxiv url: http://arxiv.org/abs/2606.19687v1
• Date: Thu, 18 Jun 2026 01:24:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.600005
• Title: Route-Constrained Robust Fusion Estimation for MEMS/GNSS Integrated Navigation of Unmanned Ground Vehicles in GNSS Degraded Environments
• Title（参考訳）: GNSS劣化環境におけるMEMS/GNSS統合運転のための経路制約付きロバスト核融合推定
• Abstract要約: 本稿では,ロバストな経路制約状態推定法を提案する。 提案手法は,衛星の故障時のエラー蓄積を効果的に抑制し,最大偏差のリスクを低減し,局所化継続性と道路レベルのユーザビリティを向上させる。 長大トンネル,マルチセグメントトンネル,湾曲トンネルを含む3つの代表的なシナリオにおいて,提案手法は衛星の停止時のエラー蓄積を効果的に抑制し,最大偏差のリスクを低減し,局所化継続性と道路レベルのユーザビリティを向上させる。
• 参考スコア（独自算出の注目度）: 7.180808885175208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To address cumulative localization drift of unmanned ground vehicles in structured road environments under severe Global Navigation Satellite System signal occlusion, this paper proposes a robust route-constrained state estimation method. During periods without satellite signals, the proposed method establishes the correspondence between the historical dead reckoning trajectory and local segments of the mission route extracted from a high-definition map, and estimates a route-referenced position via a two-dimensional rigid transformation. The estimated position is then formulated as a pseudo-position observation and incorporated into an Extended Kalman Filter update. In this way, route constraints at the road level can be continuously injected into a unified state estimation framework, thereby suppressing position deviation relative to the mission route while indirectly improving azimuth estimation. To enhance practical applicability, engineering strategies, such as trigger control, matching quality validation, route offset compensation, and single update correction limiting, are further introduced. Experiments in three representative scenarios, including a long tunnel, a multi-segment tunnel, and a curved tunnel, show that the proposed method effectively suppresses error accumulation during satellite outages, reduces the risk of large maximum deviation, and improves localization continuity and road-level usability.
• Abstract（参考訳）: 本報告では, 厳密なグローバルナビゲーション衛星システム信号閉塞下での道路環境における無人車両の累積位置推定に対処するため, 頑健な経路制約状態推定法を提案する。 提案手法は,衛星信号のない時間帯において,高解像度マップから抽出したミッション経路の履歴的致死軌道と局所区間との対応性を確立し,2次元剛性変換により経路参照位置を推定する。 次に、推定位置を擬似位置観察として定式化し、拡張カルマンフィルタ更新に組み込む。 これにより、道路レベルの経路制約を統一状態推定フレームワークに連続的に注入することができ、方位推定を間接的に改善しつつ、ミッション経路に対する位置ずれを抑制することができる。 実用的な適用性を高めるため、トリガ制御、適合品質検証、経路オフセット補償、単一更新修正制限などのエンジニアリング戦略が導入された。 長大トンネル,マルチセグメントトンネル,湾曲トンネルを含む3つの代表的なシナリオにおいて,提案手法は衛星の停止時のエラー蓄積を効果的に抑制し,最大偏差のリスクを低減し,局所化継続性と道路レベルのユーザビリティを向上させる。

関連論文リスト

• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Shift & Drift: A Zero-Shot Benchmark for Generalizable and Robust Autonomous Driving Motion Planning [60.888463449435484]
  シフト・アンド・ドリフト(Shift & Drift)は、分散シフトの2つの重要な軸にまたがる、厳密なストレス-テスト運動プランナーのための新しいデュアルトラックベンチマークである。 擬似学習手法は,IDベンチマークにおいて高いスコアを得るが,時間的に相関したアクティベーションノイズを受けると持続的なドリフトに悩まされることを示す。 本研究は, 模擬忠実度と閉ループレジリエンスのトレードオフを実証的に明らかにし, 信頼性の高い展開に向けた進捗を評価するための厳密なベンチマークをコミュニティに提供する。
  論文  参考訳（メタデータ） (2026-07-08T18:23:48Z)
• DNN Koopman-Based Deviation Compensation for UGV Path Tracking Control on Coupled Slope and Potholed Road [29.24158998620042]
  無人地上車両(UGV)は、経路追跡性能を著しく低下させる複雑な地形障害に直面している。 本稿では,UGV経路追跡制御のためのDeep Neural Network (DNN) Koopmanに基づく偏差補償戦略を提案する。 実験の結果、提案したUGV経路追跡戦略により、複数の動作条件で11.5%以上のトラッキング性能が向上することが示された。
  論文  参考訳（メタデータ） (2026-06-17T02:57:06Z)
• Evaluation as Evolution: Transforming Adversarial Diffusion into Closed-Loop Curricula for Autonomous Vehicles [43.930171390617055]
  本研究では,敵対的生成を適応的な進化カリキュラムに変換するクローズドループフレームワークであるAccess as Evolution(E2$)を紹介する。 我々は、トポロジ駆動型サポート選択を利用して重要な相互作用エージェントを特定し、トポロジカルアンチョリングを導入し、プロセスの安定化を図る。 実験的に、$E2$はnuScenesデータセットで9.01%、nuPlanデータセットで最大21.43%の衝突故障発見を改善する。
  論文  参考訳（メタデータ） (2026-04-08T01:34:05Z)
• Path-Following Guidance for Unmanned Aerial Vehicle with Bounded Lateral Acceleration [1.4477778415264126]
  本稿では, 無人航空機の3次元経路追従誘導問題について, 明示的アクチュエータ制約下での考察を行う。 ネストした飽和度に基づく制御技術を用いて非線形誘導フレームワークを開発した。 提案手法は,クロストラック誤差の指数収束を0に保ちながら,有界制御入力を保証する。
  論文  参考訳（メタデータ） (2026-03-28T07:28:18Z)
• Collision-Free Velocity Scheduling for Multi-Agent Systems on Predefined Routes via Inexact-Projection ADMM [0.0]
  構造化マルチエージェントプロジェクトでは、エージェントは事前に定義されたルートをたどらなければならず、リルーチンや不可能となる。 本稿では,各エージェントの割り当てられた経路の順序と名前付き経路の割り当てを保ちながら,経路制約付きマルチエージェント協調に対処する。
  論文  参考訳（メタデータ） (2026-03-23T12:34:18Z)
• Degeneracy-Resilient Teach and Repeat for Geometrically Challenging Environments Using FMCW Lidar [18.593167038234828]
  Teach and Repeat(T&R)のトポロジカルナビゲーションにより、ロボットはGPSに頼ることなく、事前に走行した経路を自律的に繰り返すことができる。 本稿では,ドップラー速度に基づくドップラー計測とデジェネリアシー・アウェア・スキャン・トゥ・マップ・ローカライゼーションからなる周波数変調連続波ライダーT&Rナビゲーションシステムを提案する。
  論文  参考訳（メタデータ） (2026-03-10T21:57:08Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• Learning Minimally-Congested Drive Times from Sparse Open Networks: A Lightweight RF-Based Estimator for Urban Roadway Operations [0.0]
  本稿では,最小渋滞車走行時間に対する軽量な推定器を開発した。 オープンなロードネットワークデータ、速度制約、スパース制御/ターン機能をランダムなフォレストフレームワークに統合する。 大都市圏でのポイント・ツー・ポイントの忠実さを保ち、資源の要求を減らし、防御可能な性能推定を供給している。
  論文  参考訳（メタデータ） (2026-01-04T09:54:44Z)
• LoGoPlanner: Localization Grounded Navigation Policy with Metric-aware Visual Geometry [41.054069737969876]
  非構造環境における軌道計画は、移動ロボットの基本的で困難な能力である。 ローカライズされたエンドツーエンドナビゲーションフレームワークであるLoGoPlannerを紹介する。 シミュレーションと実世界の両方の環境でLoGoPlannerを評価し,その完全なエンドツーエンド設計により累積誤差が低減される。
  論文  参考訳（メタデータ） (2025-12-22T18:03:08Z)
• Unifying Environment Perception and Route Choice Modeling for Trajectory Representation Learning [47.00223863430964]
  Tray Learning (TRL) は、低次元ベクトルに生の軌跡をエンコードすることを目的としており、旅行時間推定、位置予測、軌道類似性解析など様々な下流タスクに活用できる。 効率的なtextbfPRTrajectory表現学習のための時間的明示的textRoute選択モデルであるtextbfPRTrajを提案する。
  論文  参考訳（メタデータ） (2025-10-16T15:55:28Z)
• Trust Region Constrained Measure Transport in Path Space for Stochastic Optimal Control and Inference [49.11857020431547]
  信頼領域に基づく戦略は,対象尺度の先行から幾何的アニーリングと解釈できることを示す。 我々は,新しい手法が性能を大幅に向上させることができることを,複数の最適制御応用で実証した。
  論文  参考訳（メタデータ） (2025-08-17T22:10:35Z)
• Deep-Reinforcement-Learning-Based AoI-Aware Resource Allocation for RIS-Aided IoV Networks [43.443526528832145]
  車両間通信(V2X)方式を考慮したRIS支援車両インターネット(IoV)を提案する。 車両間リンク(V2I)のタイムラインと車両間リンク(V2V)の安定性を改善するため,情報量(AoI)モデルとペイロード伝達確率モデルを導入する。
  論文  参考訳（メタデータ） (2024-06-17T06:16:07Z)
• Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
  本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。 最先端アルゴリズムのオープンソース実装が採用されている。 その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
  論文  参考訳（メタデータ） (2020-08-19T15:22:15Z)

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。