論文の概要: Active Sensing and Deferred-Decision Trajectory Optimization for Robust Target Identification

• arxiv url: http://arxiv.org/abs/2606.22277v1
• Date: Sun, 21 Jun 2026 00:09:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 19:25:58.517891
• Title: Active Sensing and Deferred-Decision Trajectory Optimization for Robust Target Identification
• Title（参考訳）: ロバスト目標同定のためのアクティブセンシングとデファーレッド決定軌道最適化
• Authors: Farbod Siahkali, Mengxue Hou, Vijay Gupta,
• Abstract要約: 移動センシングシステムにおける軌道最適化は、有限候補集合のどの部材が真の対象であるかを特定する必要がある。 本研究では,軌道依存型情報獲得用語を計画目的に加えることで,DDTOを拡張したアクティブセンシングDDTO(AS-DDTO)を提案する。
• 参考スコア（独自算出の注目度）: 2.1774928300623615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study trajectory optimization in mobile sensing systems that must identify which member of a finite candidate set is the true target, while maintaining reachability to all potential candidate targets, under resource constraints. Deferred-Decision Trajectory Optimization (DDTO) addresses this setting by computing trajectories that reach individual targets but remain coincident for as long as possible before separating toward different targets. We propose Active-Sensing DDTO (AS-DDTO), which extends DDTO by adding a trajectory-dependent information-acquisition term to the planning objective. The resulting planner maintains reachability to candidate targets while biasing the coincident portion of the trajectories toward regions that enable earlier target identification. The framework supports Bayesian updates and conformal candidate-set updates for distance-dependent sensing. We derive a mixed-integer conic reformulation and provide guarantees on recursive feasibility, belief concentration, and fixed-time coverage for the raw conformal candidate set. Numerical simulations show improved target identification compared with standard DDTO under distance-dependent sensing uncertainty and limited sensing budget.
• Abstract（参考訳）: 本研究では,有限候補集合のどの部材が真対象であるかを識別し,資源制約下での任意の候補対象への到達性を維持しながら,移動センシングシステムにおける軌道最適化について検討する。 Deferred-Decision Trajectory Optimization (DDTO) は、個々の目標に到達するが、異なる目標に向かって分離する前に可能な限り一致し続けるトラジェクトリを計算することで、この設定に対処する。 本研究では,軌道依存型情報獲得用語を計画目的に加えることでDDTOを拡張したアクティブセンシングDDTO(AS-DDTO)を提案する。 得られたプランナーは、軌道の一致した部分を以前の目標識別を可能にする領域に偏りながら、候補目標への到達性を維持する。 このフレームワークはベイジアン更新と、距離依存センシングのための適合した候補セット更新をサポートする。 混合整数円錐改革法を導出し, 再帰的実現可能性, 信念濃度, 固定時間範囲の保証を, 生の共形候補集合に対して提供する。 数値シミュレーションにより、距離依存型検知の不確実性および限られたセンシング予算下での標準DDTOと比較して、目標識別が改善された。

関連論文リスト

• MPPI-based Informative Trajectory Planning for Search and Capture of Drifting Targets with ASVs [0.8602553195689513]
  本稿では,ハイブリッド・プランニング・フレームワークを用いた漂流目標の探索と捕捉の問題に対処する。 プランナーは、長い水平線上の連続軌道を最適化することにより、運動レベルコマンドを直接生成する。 実験の結果、私たちのプランナーは選択した計画ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-06-10T12:44:25Z)
• Dynamic Objective Selection with Safeguards and LLM Oversight for Financial Decision-Making [33.643275739813056]
  DOSS(Dynamic Objective Selection with Safeguards)は,各時点における決定関連目的関数を直接選択する学習ベースのセレクタである。 DOSSは客観的選択を目的の分類問題として定式化し、ローリングウィンドウで逐次更新を行う。 ミスの選択とデプロイの過度な切り替えを軽減するため、DOSSはフェールセーフで信頼度を意識したゲーティングを適用し、低信頼の提案を保守的なデフォルトにオーバーライドし、スイッチング周波数に関連する明示的なコントロールを実行する。
  論文  参考訳（メタデータ） (2026-06-02T14:22:07Z)
• HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving [51.268878540511054]
  我々は階層的拡散政策を備えたエンドツーエンドの計画フレームワークであるHADを提案する。 我々は,NAVSIMとHUGSIMの両方でHADが新たな最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-04-04T04:12:47Z)
• Removing Planner Bias in Goal Recognition Through Multi-Plan Dataset Generation [0.0]
  既存のデータセットはすべて、それらを生成した計画システムによって誘導される体系的なバイアスに悩まされる。 そこで本研究では,トップk計画を用いて,同じ目標仮説の複数の異なる計画を生成する手法を提案する。 これにより、異なる計画セットに基づいてゴールを推測する際、ゴール認識器のレジリエンスを測定するために、バージョンカバレッジスコア(VCS)と呼ばれる新しい指標を導入することができる。
  論文  参考訳（メタデータ） (2026-02-16T12:25:35Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• Discrete Factorial Representations as an Abstraction for Goal Conditioned Reinforcement Learning [99.38163119531745]
  離散化ボトルネックを適用することにより,目標条件付きRLセットアップの性能が向上することを示す。 分布外目標に対する期待した回帰を実験的に証明し、同時に表現的な構造で目標を指定できるようにします。
  論文  参考訳（メタデータ） (2022-11-01T03:31:43Z)
• Generative multitask learning mitigates target-causing confounding [61.21582323566118]
  マルチタスク学習のための因果表現学習のためのシンプルでスケーラブルなアプローチを提案する。 改善は、目標を狙うが入力はしない、観測されていない共同ファウンダーを緩和することによる。 人の属性とタスクノミーのデータセットに対する我々の結果は、事前の確率シフトに対するロバストネスの概念的改善を反映している。
  論文  参考訳（メタデータ） (2022-02-08T20:42:14Z)
• Pareto Domain Adaptation [35.48609986914723]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベルなしターゲットドメインへの知識の転送を試みる。 本研究は,全学習目標を協調的に最適化することを目的とした,全体の最適化方向を制御するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-12-08T06:31:13Z)
• Domain Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [84.34227665232281]
  セマンティックセグメンテーションのためのドメイン適応は、ソースとターゲットドメイン間の分散シフトの存在下でモデルのパフォーマンスを向上させることを目的とする。 ドメイン間のギャップを埋めるために、両ドメインで利用可能な自己教師付き深さ推定からのガイダンスを活用します。 提案手法のベンチマークタスクSYNTHIA-to-CityscapesとGTA-to-Cityscapesの有効性を実証する。
  論文  参考訳（メタデータ） (2021-04-28T07:47:36Z)

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。