論文の概要: Lost in Time? Continuous Symmetry and Identifiability in Aided Inertial Navigation with Unknown Measurement Delays

• arxiv url: http://arxiv.org/abs/2607.03699v1
• Date: Sat, 04 Jul 2026 04:16:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.684052
• Title: Lost in Time? Continuous Symmetry and Identifiability in Aided Inertial Navigation with Unknown Measurement Delays
• Title（参考訳）: 時間の損失? 未知の計測遅延を伴う補助慣性航法における連続対称性と識別可能性
• Abstract要約: 補助ナビゲーションでは、単一の補助センサからの計測は慣性測定ストリームに対して未知だが一定の遅延を受ける。 特殊ガリレオ群を用いて、不定形軌道を特徴づけ、遅延測定モデルの連続対称性に関連付ける。 本研究は, 識別可能性が低下する軌道のクラスが従来報告されていたよりも大きいことを示し, 特徴付けとヤコビアン解析の類似性を示す。
• 参考スコア（独自算出の注目度）: 8.080725656690314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In many multisensor systems, measurements from different sensors are subject to unknown relative time delays. Accurate state estimation requires that delays be accounted for and, when possible, calibrated online. We consider the case of aided navigation, where measurements from a single aiding sensor are subject to an unknown but constant delay relative to the inertial measurement stream, and study the identifiability of the resulting system. Critically, identifiability depends not only on the temporal structure of the measurements, but also on the shape of the vehicle trajectory: some trajectories are sufficiently informative to support unique recovery of the delay and the navigation state, while others are not. Using the special Galilean group, we characterize these uninformative (or degenerate) trajectories and relate them to a continuous symmetry of the delayed measurement model, providing geometric insight into identifiability failures. We show that the class of trajectories for which identifiability fails is larger than previously reported, and connect our characterization to the familiar linearized, Jacobian-based analysis. Although our development is motivated by aided navigation, the underlying ideas apply more broadly to estimation problems on Lie groups with delayed measurements.
• Abstract（参考訳）: 多くのマルチセンサーシステムでは、異なるセンサーからの計測は、未知の相対時間遅延を受ける。 正確な状態推定には、遅延を考慮し、可能であればオンラインで校正する必要がある。 補助ナビゲーションの場合、単一の補助センサからの計測が慣性測定ストリームに対して未知だが一定の遅延を受ける場合を考慮し、その結果のシステムの識別可能性について検討する。 重要な点として、識別可能性は測定の時間的構造だけでなく、車両軌道の形状にも依存する。 特殊ガリレオ群を用いて、これらの非形式的(または退化的)軌跡を特徴づけ、遅延測定モデルの連続対称性に関連付け、識別可能性障害に関する幾何学的な洞察を与える。 本研究は, 識別可能性が低下する軌道のクラスが従来報告されていたよりも大きいことを示し, 特徴付けとヤコビアン解析の類似性を示す。 我々の開発は補助航法によって動機付けられているが、その根底にある考え方は、遅延測定を伴うリー群上の問題に対してより広範囲に適用される。

関連論文リスト

• A Sliding Window Filter on the Galilean Group for Consistent Aided Inertial Navigation with Unknown Measurement Delays [9.474491558495359]
  本研究では、補助センサ測定が未知の一定の遅延を受ける場合の補助ナビゲーションについて検討した。 目的は、遅延測定が適切なタイミングで軌道を補正するように、遅延状態と航法状態を共同で推定することである。
  論文  参考訳（メタデータ） (2026-08-30T02:34:28Z)
• DROID-ANCHOR: Odometry-Anchored Recurrent Metric Depth Estimation [12.05347499107643]
  Metric-DROIDは、視覚的SLAMを物理的現実に固定するエンドツーエンドの反復アーキテクチャである。 我々のシステムは視覚的再投射とメートル法翻訳の残差をインテリジェントにバランスさせ、ホイールスリップとセンサノイズの影響を効果的に軽減する。
  論文  参考訳（メタデータ） (2026-07-19T04:03:34Z)
• On the Identifiability of Aided Inertial Navigation Under Measurement Delays: A Geometric Approach [9.474491558495359]
  本研究では,遅延の識別可能性と軌道をパラメータ化する初期ナビゲーション状態について検討する。 我々の幾何学的分析は、以前報告されたよりも大きな非形式的(縮退的)軌跡に対して、遅延測定モデルは連続対称性を持つことを示している。
  論文  参考訳（メタデータ） (2026-06-28T00:24:14Z)
• Galilean State Estimation for Inertial Navigation Systems with Unknown Time Delay [27.48917642274488]
  商用グレードの受信機は、センサーの品質や動作モードに応じて、50msから300msまでの未知の測定遅延を導入する。 既存のアルゴリズムでは、この遅延をオフラインで推定し、バッファリングされた慣性測定ユニット(IMU)データを用いてフィルタを同時に実行している。 本稿では,時間遅延INSをモデル化するための新しい幾何学的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-13T09:46:18Z)
• Invariant Measures in Time-Delay Coordinates for Unique Dynamical System Identification [3.3676099003040476]
  時間遅延座標で表される不変測度は、トポロジ的共役性に至るまでのダイナミクスを識別できることを示す。 複数の遅延フレームから構築された不変測度と異なる可観測性を組み合わせることで、システムは一意に識別できる。
  論文  参考訳（メタデータ） (2024-11-30T21:18:35Z)
• Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
  教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。 最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。 本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
  論文  参考訳（メタデータ） (2023-07-28T09:03:06Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Neural Laplace Control for Continuous-time Delayed Systems [76.81202657759222]
  本稿では,ニューラルラプラス力学モデルとモデル予測制御(MPC)プランナを組み合わせた連続時間モデルに基づくオフラインRL法を提案する。 専門家の政策性能に近い連続的な遅延環境を実験的に示す。
  論文  参考訳（メタデータ） (2023-02-24T12:40:28Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• DynImp: Dynamic Imputation for Wearable Sensing Data Through Sensory and Temporal Relatedness [78.98998551326812]
  従来の手法では、データの時系列ダイナミクスと、異なるセンサーの特徴の関連性の両方をめったに利用していない、と我々は主張する。 我々はDynImpと呼ばれるモデルを提案し、特徴軸に沿って近接する隣人と異なる時間点の欠如を扱う。 本手法は, 関連センサのマルチモーダル性特性を活かし, 履歴時系列のダイナミックスから学習し, 極端に欠落した状態でデータを再構築することができることを示す。
  論文  参考訳（メタデータ） (2022-09-26T21:59:14Z)
• Uncertainty-Aware Multiple Instance Learning fromLarge-Scale Long Time Series Data [20.2087807816461]
  本稿では,最も関連性の高い周期自動識別のための不確実性認識型マルチインスタンス(MIL)フレームワークを提案する。 さらに、別のモデルを訓練し、不確実性を考慮した融合を行うことにより、信頼できない予測を調整できる別のモダリティを組み込む。 実験結果から, 提案手法は, 軌道に基づく容器の形状を効果的に検出できることを示した。
  論文  参考訳（メタデータ） (2021-11-16T17:09:02Z)
• Continuity-Discrimination Convolutional Neural Network for Visual Object Tracking [150.51667609413312]
  本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。 この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。 不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
  論文  参考訳（メタデータ） (2021-04-18T06:35:03Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。