論文の概要: Wind and State Estimation on SE(3): Comparative Evaluation of EKF and UKF with Continuous and Discrete Quadrotor Models
- arxiv url: http://arxiv.org/abs/2606.30804v1
- Date: Mon, 29 Jun 2026 18:30:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:18.967918
- Title: Wind and State Estimation on SE(3): Comparative Evaluation of EKF and UKF with Continuous and Discrete Quadrotor Models
- Title（参考訳）: SEの風と状態推定:EKFとUKFの連続および離散擬似体モデルとの比較評価
- Authors: Hiranya Udagedara, Adam Bigsby, Mahdis Bisheban,
- Abstract要約: 近年,風速推定のための4軸UAVが普及し,その操作性,小型化,低コスト化が図られている。
本研究は,SE(3)上の風速推定に4軸UAVの離散的および連続的力学式を用いたことを評価する。
その結果, 離散SE(3)ダイナミックスをUKFと組み合わせることで, 低コストの搭載センサーでも軌道追跡を維持しながら高い評価を行うことができた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Use of quadrotor UAVs for wind velocity estimation is gaining popularity in recent studies, leveraging their maneuverability, compact size and low cost. Among available approaches, model-based wind velocity estimation is most commonly used, since it relies only on onboard sensors. However, as the quadrotor is a highly nonlinear system, thus making this task challenging. This study evaluate the use of both discrete and continuous dynamic equations of the quadrotor UAV for wind velocity estimation on SE(3), rather than commonly adapted continuous or discretized form. Lie Group Variational Integrator, developed on discrete Lagrangian is used as the discrete model without any approximation or discritization. The study assess both the discrete and continuous form of the quadrotor dynamics on SE(3) using Extended Kalman filter (EKF), and Unscented Kalman filter (UKF). The quadrotor UAV performance is evaluated in both MATLAB-based numerical simulations and free outdoor flight. The numerical simulations are conducted during both hovering and trajectory-tracking flights. Results demonstrate that, by using discrete SE(3) dynamics coupled with UKF, the quadrotor achieves higher estimation accuracy while maintaining trajectory tracking, even with low-cost sensors. These findings highlight the potential of discrete quadrotor models with UKF not only for wind velocity estimation but also for other high-accuracy tasks, even when relying on low-cost onboard sensors.
- Abstract（参考訳）: 近年,風速推定における4軸UAVの使用は,その操作性,小型化,低コストを活かして普及している。
利用可能なアプローチの中で、モデルに基づく風速推定は、オンボードセンサーのみに依存するため、最も一般的に使用される。
しかし、四元数は非常に非線形な系であるため、この問題は困難である。
本研究は, 一般に適応された連続型や離散型ではなく, SE(3) 上での風速推定に, 二次型UAVの離散型および連続型両方の動的方程式を用いたことを評価する。
離散ラグランジアン上で開発されたリー群変分積分器は近似や判別を伴わない離散モデルとして用いられる。
本研究は拡張カルマンフィルタ (EKF) とアンセントカルマンフィルタ (Unscented Kalman filter, UKF) を用いて, SE(3) 上の二次体力学の離散的および連続的形式を評価する。
また,MATLABに基づく数値シミュレーションと屋外自由飛行の両方において,4軸UAVの性能を評価した。
ホバリング飛行と軌道追尾飛行の両方で数値シミュレーションを行う。
その結果、離散SE(3)ダイナミクスをUKFと組み合わせることで、低コストのセンサでも軌道追跡を維持しながら高い推定精度を達成できることが示されている。
これらの結果は、風速推定だけでなく、低コストの搭載センサーに頼っている場合でも、他の高精度タスクにもUKFを用いた離散四極子モデルの可能性を浮き彫りにした。
関連論文リスト
- Realtime Wind Estimation using Low Cost Quadrotor Uncrewed Aerial Vehicles [0.0]
Unscented Kalman Filter (UKF) は4軸UAVの軌道を維持しながら正確な風速推定を行う非線形推定器である。
その結果、シミュレーションの非線形性が増大するにつれて、UKFは拡張カルマンフィルタ(EKF)を一貫して上回ることを示した。
これは、高度に非線形なシナリオに対する信頼性の高い推定手段としてのイギリス空軍の可能性を示し、正確な風速推定を提供しながら、最小限の偏差で軌道を維持することができる。
論文 参考訳（メタデータ） (2026-06-29T17:24:16Z) - Onboard Wind Estimation for Small UAVs Equipped with Low-Cost Sensors: An Aerodynamic Model-Integrated Filtering Approach [0.0]
本研究では,自律飛行に必要な安価な本質的なセンサーのみを用いて,飛行状態と風速を推定する手法を提案する。
この手法のコアは、空気力学モデルと統合された拡張カルマンフィルタ(EKF)と、適応移動平均推定(AMAE)技術を含む。
飛行試験は,実時間オンボード計算における手法の有効性と実現可能性を検証する。
論文 参考訳（メタデータ） (2026-04-22T07:39:06Z) - Relative State Estimation using Event-Based Propeller Sensing [3.0109926137673817]
本稿では,イベントベースプロペラセンサを用いた四重項の相対状態推定のためのフレームワークを提案する。
提案手法は,5つの実世界の屋外飛行シーケンスのテストデータセットに対して,3%の誤差でプロペラ周波数を推定する。
論文 参考訳（メタデータ） (2026-04-20T13:59:44Z) - ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace [54.94692733670454]
ASCENTは、マルチモーダル3D航空機の軌道予測のための軽量トランスフォーマーベースのモデルである。
ドメイン対応の3D座標正規化とパラメータ化予測を統合している。
論文 参考訳（メタデータ） (2026-03-17T14:16:10Z) - Physics-infused Learning for Aerial Manipulator in Winds and Near-Wall Environments [3.895172208362693]
空中操作(AM)は、受動的観測から高高度およびその他の到達不能な環境での接触操作まで、UAV能力を拡大する。
本稿では,物理に基づくブレード要素モデルと学習に基づく残留力推定器を統合し,外乱補償のためのロータ速度割当戦略を組み込むことにより,統一的な制御フレームワークを実現する。
その結果, 従来の手法よりも外乱推定と軌道追跡精度が向上し, 困難な空力条件下でのロバストな壁面接触実行が可能となった。
論文 参考訳（メタデータ） (2026-03-08T22:08:15Z) - Finite-time Stable Pose Estimation on TSE(3) using Point Cloud and Velocity Sensors [0.0]
本研究は, 有限時間安定ポーズ推定器 (FTS-PE) を3次元の回転運動および転動運動を行う剛体に対して提案する。
FTS-PEはポーズ(位置と向き)と速度のフルステートオブザーバーであり、リャプノフ解析によって得られる。
FTS-PEと2重四元数拡張カルマンフィルタを比較した数値シミュレーション(VPE)
論文 参考訳（メタデータ） (2026-02-10T05:11:01Z) - Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。
既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。
本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
論文 参考訳（メタデータ） (2025-08-03T12:06:47Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。
Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
論文 参考訳（メタデータ） (2022-05-13T21:55:28Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T14:04:01Z)
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。