論文の概要: Mobile Target Search with Imperfect Perception: A Partially Observable Stochastic Game Theoretical Approach

• arxiv url: http://arxiv.org/abs/2606.20232v1
• Date: Thu, 18 Jun 2026 13:44:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.885982
• Title: Mobile Target Search with Imperfect Perception: A Partially Observable Stochastic Game Theoretical Approach
• Title（参考訳）: 不完全な知覚を持つ移動目標探索:部分的に観測可能な確率ゲーム理論的アプローチ
• Authors: Hanzheng Zhang, Shu Liang, Shuyu Liu,
• Abstract要約: 本稿では,センサの制限,悪意的妨害,コミュニケーションノイズによる不完全な知覚下での移動目標探索について検討する。 我々は、部分的に観測可能な決定過程を一般化する、部分観測可能な動的ゲーム(POSG)アプローチを採用する。 我々は,探索者のための集約的ポテンシャルゲーム構造とターゲット予測のためのKL分割に基づく削減を利用するサーバ支援分散アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 0.688204255655161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates mobile target search under imperfect perceptions caused by sensor limitations, malicious jamming, or communication noise. Searchers and targets operate in a grid-shaped area with bounded mobility, leading to a dynamic interplay between search and evasion. To capture this adversarial interaction under imperfect perceptions, we adopt the partially observable stochastic game (POSG) approach, which generalizes partially observable Markov decision processes (POMDPs) by incorporating target intelligence. To handle false alarms and missed detections caused by perceptual uncertainties, we propose a novel detectability concept to determine whether a search strategy guarantees eventual detection, and provide sufficient detectability criteria based on stochastic recurrence analysis. We further develop a server-assisted distributed algorithm that utilizes the aggregative potential game structure for searchers and a KL-divergence-based reduction for target prediction. Numerical simulations validate the effectiveness of the proposed algorithm and support the detectability analysis.
• Abstract（参考訳）: 本稿では,センサの制限,悪意的妨害,コミュニケーションノイズによる不完全な知覚下での移動目標探索について検討する。 探索者とターゲットは、境界運動量を持つ格子状のエリアで動作し、探索と回避の間の動的相互作用をもたらす。 不完全知覚下でのこの対立的相互作用を捉えるために、ターゲット知性を組み込むことで、部分的に観測可能なマルコフ決定過程(POMDP)を一般化する、部分観測可能な確率ゲーム(POSG)アプローチを採用する。 認識の不確実性による誤報や誤検出に対処するため,探索戦略が最終的な検出を保証しているかどうかを判断し,確率的再帰分析に基づく十分な検出可能性基準を提供する,新たな検出可能性概念を提案する。 さらに,探索者に対する集約的ポテンシャルゲーム構造と,目標予測のためのKL分割に基づく削減を利用したサーバ支援分散アルゴリズムを開発した。 数値シミュレーションは,提案アルゴリズムの有効性を検証し,検出可能性解析を支援する。

関連論文リスト

• Active Bayesian Inference for Robust Control under Sensor False Data Injection Attacks [10.312968200748115]
  本稿では,サイバー物理システムにおけるセンサ攻撃検出とリカバリのギャップを埋める枠組みを提案する。 本稿では, 簡易な部分観測可能マルコフ決定プロセス(POMDP)によるしきい値に基づく探索手法を提案し, その有効性を示す。
  論文  参考訳（メタデータ） (2026-04-13T12:54:24Z)
• Heterogeneous Uncertainty-Guided Composed Image Retrieval with Fine-Grained Probabilistic Learning [49.28548464288051]
  Composed Image Retrieval (CIR)は、参照画像と修正テキストを組み合わせることで、画像検索を可能にする。 CIR三重項の内在ノイズは内在的不確実性を引き起こし、モデルの堅牢性を脅かす。 本稿では,これらの制約を克服するための不確実性誘導(HUG)パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-01-16T16:05:49Z)
• On the Adversarial Robustness of Learning-based Conformal Novelty Detection [10.58528988397402]
  AdaDetect を用いた共形ノベルティ検出の対角的ロバスト性について検討した。 以上の結果から,高い検出力を維持しながらFDRを著しく増大させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-10-01T03:29:11Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Object Detection as Probabilistic Set Prediction [3.7599363231894176]
  本稿では,確率的物体検出器の評価と訓練を行うための適切なスコアリングルールを提案する。 以上の結果から,既存の検出器のトレーニングは非確率的指標に最適化されていることが示唆された。
  論文  参考訳（メタデータ） (2022-03-15T15:13:52Z)
• Multi-Agent Active Search using Detection and Location Uncertainty [6.587280549237275]
  アクティブ検索アルゴリズムは、検出の不確実性と位置不確実性という2つのタイプの不確実性とを競合しなければならない。 まず,ターゲット検出と位置不確実性の両方を共同で扱う推論手法を提案する。 次に、トンプソンサンプリングを用いて、分散マルチエージェント能動探索を可能にする意思決定アルゴリズムを構築する。
  論文  参考訳（メタデータ） (2022-03-09T04:53:37Z)
• Learning to Separate Clusters of Adversarial Representations for Robust Adversarial Detection [50.03939695025513]
  本稿では,最近導入された非破壊的特徴を動機とした新しい確率的対向検出器を提案する。 本稿では,非ロバスト特徴を逆例の共通性と考え,その性質に対応する表現空間におけるクラスターの探索が可能であることを推定する。 このアイデアは、別のクラスタ内の逆表現の確率推定分布を導出し、その分布を確率に基づく逆検出器として活用する。
  論文  参考訳（メタデータ） (2020-12-07T07:21:18Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。