論文の概要: Multi-AUV Marine Life Tracking with Single Hydrophone Payloads via a Hidden Markov Model Equipped Particle Filter
- arxiv url: http://arxiv.org/abs/2606.22335v1
- Date: Sun, 21 Jun 2026 04:58:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 18:55:43.657246
- Title: Multi-AUV Marine Life Tracking with Single Hydrophone Payloads via a Hidden Markov Model Equipped Particle Filter
- Title（参考訳）: 隠れマルコフモデル付き粒子フィルタによる単一音波負荷によるマルチAUV海洋生物の追跡
- Authors: Christopher Herrera, Kehlani Fay, Christopher Clark, Alberto Soto, Christopher Lowe, Mario Espinoza,
- Abstract要約: この作業は、複数のAUVに1つのコンパクトなハイドロフォンペイロードを装備することで、代替手段を提供する。
隠れマルコフモデル(HMM)を用いた粒子フィルタアルゴリズムは、複数のAUVの測定結果を融合して送信機の位置を推定する。
実世界のデータは、短期展開で約10mのルート平均二乗誤差(RMSE)を示し、より大きなシミュレートデータセットでは、より長いデプロイメントで約15mのRMSEを示している。
- 参考スコア（独自算出の注目度）: 5.164279902422513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Researchers tag and track marine animals to study migration patterns, human impacts on behavior, and behavioral shifts due to climate change. Accurate data collection often requires tagging individual animals to collect spatio-temporal state estimates of the animal's geo-position and depth. Acoustic transmitters are prominent due to their continuous communication without requiring retrieval or surfacing to collect data. These transmitters emit underwater acoustic pulses that can be detected by hydrophones. However, the frequent movement of aquatic animals results in high data loss when the animal moves out of the detection range of a stationary hydrophone. Autonomous underwater vehicle (AUV) systems offer a solution for localizing transmitters with higher resolution over longer periods of time. Such systems previously deployed have often required multiple hydrophones mounted on a large frame carried by the AUV. This increases drag, limiting the speed at which the AUV can track highly mobile animals. This work provides an alternative by equipping multiple AUVs with a single compact hydrophone payload. A particle filter algorithm equipped with a hidden Markov model (HMM) behavioral motion model fuses measurements from multiple AUVs to estimate the transmitter's position. Real-world data shows a root mean square error (RMSE) of approximately 10 meters for short-term deployments, and a larger simulated dataset shows an RMSE of approximately 15 meters for longer deployments over a larger area. The HMM fit to historical animal movement data outperforms a generic velocity motion model, and both outperform a baseline random walk motion model.
- Abstract（参考訳）: 研究者は海洋動物をタグ付けして追跡し、気候変動による移動パターン、人間の行動への影響、行動の変化を研究する。
正確なデータ収集には、個々の動物の位置と深さの時空間的推定をタグ付けする必要があることが多い。
音響送信機は、連続的な通信のために、検索やデータ収集を必要とせず、顕著である。
これらの送信機は水中の音響パルスを放射し、ハイドロフォンで検出できる。
しかし、水生動物の頻繁な移動は、静止ハイドロフォンの検出範囲から動物が移動すると、データ損失が大きくなる。
自律型水中車両(AUV)システムは、長期間にわたって高解像度の送信機をローカライズするためのソリューションを提供する。
このようなシステムは、しばしばAUVによって運ばれた大きなフレームに複数のハイドロフォンを装着する必要がある。
これによりドラッグが増加し、AUVが高度に移動した動物を追跡できる速度が制限される。
この作業は、複数のAUVに1つのコンパクトなハイドロフォンペイロードを装備することで、代替手段を提供する。
隠れマルコフモデル(HMM)を用いた粒子フィルタアルゴリズムは、複数のAUVの測定結果を融合して送信機の位置を推定する。
実世界のデータでは、短期展開で約10mのルート平均二乗誤差(RMSE)が示され、より大きなシミュレーションデータセットでは、より広い領域でのデプロイメントで約15mのRMSEが示される。
HMMは、歴史的動物運動データに適合し、一般的な速度運動モデルより優れ、どちらもベースラインランダムウォーク運動モデルより優れている。
関連論文リスト
- BIND-USBL: Bounding IMU Navigation Drift using USBL in Heterogeneous ASV-AUV Teams [8.693483620068998]
本稿では,GPSを用いた環境下での自律下水車(AUV)の協調的局在化フレームワークであるBIND-USBLについて述べる。
長期のナビゲーション障害は、個々のUSBL測定の精度ではなく、時間的間隔とそれらの修正の幾何的可用性によって引き起こされる。
その結果, 調査スケール, 音響カバレッジ, チーム構成, ASV形状の相互作用により, 局所化性能が形成されることがわかった。
論文 参考訳（メタデータ） (2026-04-13T12:50:48Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water
Boundary Exploration [8.555466536537292]
ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。
画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。
提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
論文 参考訳（メタデータ） (2023-03-29T20:16:39Z) - Physics-informed inference of aerial animal movements from weather radar
data [0.0]
我々は、利用可能なレーダデータから移動パターンを再構築する問題に取り組む。
畳み込みデコーダは、推定潜在状態を既知のレーダー観測モデルを適用する物理空間にマッピングする。
合成レーダデータを用いた実験は, 復元品質とデータ効率の観点から有望な結果を示した。
論文 参考訳（メタデータ） (2022-11-08T20:20:52Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - Evaluating a Signalized Intersection Performance Using Unmanned Aerial
Data [11.699288626519682]
本研究では,ギリシャ・アテネの3方向信号通信交差点におけるドローンの生データの利用について検討した。
リアルタイムビデオから抽出したデータに対する顕微鏡的アプローチと衝撃波解析を用いて,最大待ち行列長を推定した。
様々なMOEの結果は有望であることが判明し、ドローンが収集したトラフィックデータの利用には多くの応用があることが確認された。
論文 参考訳（メタデータ） (2022-07-16T21:48:32Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z) - Motion Prediction Using Temporal Inception Module [96.76721173517895]
人間の動作を符号化するTIM(Temporal Inception Module)を提案する。
本フレームワークは,異なる入力長に対して異なるカーネルサイズを用いて,畳み込み層を用いて入力埋め込みを生成する。
標準的な動き予測ベンチマークデータセットであるHuman3.6MとCMUのモーションキャプチャデータセットの実験結果から,我々の手法は一貫して技術手法の状態を上回ります。
論文 参考訳（メタデータ） (2020-10-06T20:26:01Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z)
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。