論文の概要: Normalizing Flow-Enhanced Message Passing for Multirobot Collaborative Localization
- arxiv url: http://arxiv.org/abs/2606.29868v1
- Date: Mon, 29 Jun 2026 07:04:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.088531
- Title: Normalizing Flow-Enhanced Message Passing for Multirobot Collaborative Localization
- Title（参考訳）: マルチロボット協調型局所化のためのフロー強化メッセージパッシングの標準化
- Abstract要約: 本稿では,協調的なローカライゼーションを分散的に実現するための新しいメッセージパッシング(MP)アルゴリズムを提案する。
このアルゴリズムはガウス的信念伝播(GBP)と平均場(MF)近似を統一し、GBPはロボットの状態間の依存関係を保ち、MFはノイズ統計を推定できる。
自動運転車(ASV)のシミュレーションと実験により、精度、堅牢性、適応性が改善された。
- 参考スコア（独自算出の注目度）: 22.194428100020485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate, robust, and adaptive localization is essential for various robotic operations. This paper proposes a new message passing (MP) algorithm for realizing collaborative localization in a distributed manner. The algorithm unifies Gaussian belief propagation (GBP) and mean-field (MF) approximation, where GBP preserves dependencies among robot states, and MF enables estimation of noise statistics. To effectively handle non-conjugate terms from nonlinear measurement models, the algorithm adopts a parametric formulation in which these terms are treated by gradient estimators. Beyond linearization and sampling, we further design a normalizing flow (NF)-based gradient estimator, enabling learnable sampling. End-to-end training tunes NF parameters according to the behavior of MP, improving the overall estimation performance. To support estimation of practical robotic states that involve rotations, the method is then extended to Lie group state spaces. Finally, the method is applied to multirobot localization task fusing odometry, global navigation satellite system (GNSS) measurements, and inter-robot ultra wideband (UWB) ranging. Simulations and experiments on autonomous surface vehicles (ASVs) demonstrate its improved accuracy, robustness, and adaptability.
- Abstract（参考訳）: 正確な、堅牢で、適応的なローカライゼーションは、様々なロボット操作に不可欠である。
本稿では,協調的なローカライゼーションを分散的に実現するための新しいメッセージパッシング(MP)アルゴリズムを提案する。
このアルゴリズムはガウス的信念伝播(GBP)と平均場(MF)近似を統一し、GBPはロボットの状態間の依存関係を保ち、MFはノイズ統計を推定できる。
非線形測定モデルから非共役項を効果的に処理するために、アルゴリズムはこれらの項を勾配推定器で扱うパラメトリック定式化を採用する。
線形化とサンプリングの他に、正規化フロー(NF)に基づく勾配推定器を設計し、学習可能なサンプリングを可能にする。
エンドツーエンドのトレーニングでは、MPの振る舞いに応じてNFパラメータをチューニングし、全体の推定性能を向上させる。
回転を含む実用的なロボット状態の推定を支援するため、この手法はリー群状態空間に拡張される。
最後に,オドメトリー,大域航法衛星システム(GNSS)測定,UWB範囲でのロボット間超広帯域化を行うマルチロボットローカライゼーションタスクに適用した。
自動運転車(ASV)のシミュレーションと実験により、精度、堅牢性、適応性が改善された。
関連論文リスト
- Invertible Neural Network Adapter for One-Step Flow Matching in Robot Manipulation [48.77928097573051]
本稿では,汎用ロボット操作のための可逆ニューラルネットワークアダプタを提案する。
フローマッチングの定式化に基づいて、提案したアダプタは、可逆潜在空間内のアクション生成軌跡を制約する。
提案手法の有効性を評価するため,様々なシミュレーションベンチマークと実世界のロボットプラットフォームを用いて実験を行った。
論文 参考訳（メタデータ） (2026-06-17T15:35:27Z) - Bayesian Optimization for Learning Nonlinear MPC in Autonomous Agent Navigation [0.0]
提案するフレームワークはロボット非依存であり,ガゼボを用いたシミュレーションにおいて,Unitree Go2の4倍の精度で評価されている。
完全なシステムは、デプロイ時に最大90.0%のナビゲーション成功率を達成するとともに、シミュレーション環境全体の評価指標を平均38.9%改善する。
論文 参考訳（メタデータ） (2026-06-08T16:08:09Z) - Sampling-Based Control via Entropy-Regularized Optimal Transport [18.278741443124655]
OT-MPCは、エントロピー規則化された最適輸送定式化によって制限を克服するサンプリングベースのアルゴリズムである。
我々は、Sinkhornアルゴリズムを用いて、クローズドな勾配のない更新を導出し、リアルタイムな性能を実現する。
論文 参考訳（メタデータ） (2026-05-04T02:07:15Z) - CT-VoxelMap: Efficient Continuous-Time LiDAR-Inertial Odometry with Probabilistic Adaptive Voxel Mapping [15.34037575218496]
本稿では,B-スプラインの累積形式に基づく新しい連続時間オドメトリー法を提案する。
我々はIMU測定による前方伝播情報を用いて、オンラインの適合誤差を推定し、ハイブリッドな特徴ベースのボクセルマップ管理戦略を導入する。
提案手法は、複数の課題のある公開データセット上で評価され、ほとんどのシーケンスにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2026-04-04T14:27:54Z) - Reinforce-Ada: An Adaptive Sampling Framework for Reinforce-Style LLM Training [47.26632817047513]
大規模言語モデル(LLM)に推論タスクに適用された強化学習は、不安定な勾配推定によってボトルネックとなることが多い。
LLMのオンラインRLポストトレーニングのための適応型サンプリングフレームワークであるReinforce-Adaを提案する。
従来の2段階配置法とは異なり、Reinforce-Adaはオンライン連続除去プロセスにおける推定とサンプリングをインターリーブする。
論文 参考訳（メタデータ） (2025-10-06T16:34:09Z) - Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。
具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。
ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
論文 参考訳（メタデータ） (2025-03-24T03:19:45Z) - MASSFormer: Mobility-Aware Spectrum Sensing using Transformer-Driven
Tiered Structure [3.6194127685460553]
モビリティを意識したトランスフォーマー駆動構造(MASSFormer)をベースとした協調センシング手法を開発した。
本稿では,モバイルプライマリユーザ(PU)とセカンダリユーザ(SU)の動的シナリオについて考察する。
提案手法は, 堅牢性を示すために, 不完全な報告チャネルのシナリオ下で試験される。
論文 参考訳（メタデータ） (2024-09-26T05:25:25Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via
Non-uniform Subsampling of Gradients [54.90670513852325]
サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。
EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。
EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
論文 参考訳（メタデータ） (2020-02-20T18:56:18Z)
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。