論文の概要: Millimeter Wave Radar: From Synthetic Aperture to Probabilistic Mapping

• arxiv url: http://arxiv.org/abs/2607.10161v1
• Date: Sat, 11 Jul 2026 06:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.325257
• Title: Millimeter Wave Radar: From Synthetic Aperture to Probabilistic Mapping
• Title（参考訳）: ミリ波レーダ:合成開口から確率写像へ
• Abstract要約: 課題のある環境で動く自律ロボットシステムに不可欠な確率マッピング。 従来のセンサーは煙や霧などの有害な条件で故障し、ミリ波(mmWave)レーダーセンサーはそのような状況で確実な検知を提供する。 レーダデータからの確率マップは、電波測定と信号処理ステップのスパース特性とノイズ特性により、大きな課題を呈している。
• 参考スコア（独自算出の注目度）: 16.428964925279036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust probabilistic mapping is essential for autonomous robotic systems operating in challenging environments. While traditional sensors fail in adverse conditions such as smoke and fog, millimeter wave (mmWave) radar sensors offer reliable sensing in such conditions. However, creating accurate probabilistic maps from radar data presents significant challenges due to the inherently sparse and noisy characteristics of radio wave measurements and signal processing steps. In an attempt to address these issues, we establish a complete pipeline from raw radar signals to probabilistic occupancy maps, incorporating Synthetic Aperture Radar processing followed by a probabilistic modeling step. We conduct extensive validation across indoor environments, comparing our approach against different signal processing and probabilistic modeling approaches. We also evaluate mapping quality through downstream path planning performance analysis. Furthermore, we investigate the impact of key parameters and antenna array configuration on mapping performance. The experimental results demonstrate both the effectiveness and limitations of SAR-based probabilistic mapping for real-world robotic deployment. To facilitate future research and broader adoption, we contribute an open-source cascaded mmWave radar dataset with an accompanying GPU-accelerated signal processing pipeline available at https://github.com/rpl-cmu/rpm.
• Abstract（参考訳）: 難易度の高い環境下での自律ロボットシステムにはロバストな確率的マッピングが不可欠である。 従来のセンサーは煙や霧などの悪条件で故障するが、ミリ波(mmWave)レーダーセンサーはそのような状況で信頼性の高い感知を提供する。 しかし、レーダデータから正確な確率マップを作成することは、電波測定と信号処理のステップが本質的にスパースでノイズの多い性質のため、大きな課題となる。 これらの問題に対処するために、我々は、生のレーダ信号から確率的占有マップへの完全なパイプラインを構築し、合成開口レーダ処理と確率論的モデリングステップを組み込んだ。 我々は,様々な信号処理と確率論的モデリング手法との比較を行い,室内環境における広範囲な検証を行った。 また、下流経路計画性能解析によるマッピング品質の評価を行った。 さらに、キーパラメータとアンテナアレイ構成がマッピング性能に与える影響について検討する。 実世界のロボット展開におけるSARに基づく確率的マッピングの有効性と限界を実験的に検証した。 将来の研究とより広範な採用を促進するため、私たちはオープンソースのカスカデッドmmWaveレーダデータセットに、関連するGPUアクセラレーション信号処理パイプラインをhttps://github.com/rpl-cmu/rpm.comで提供します。

関連論文リスト

• Neural Posterior Estimation of Terrain Parameters from Radar Sounder Data [49.62628745057007]
  レーダ音響データからの地形パラメータインバージョンに対するシミュレーションに基づく推論手法を提案する。 GPUベースのシミュレータからの合成観測は、神経後部推定のためのニューラルネットワークベースの密度推定器の訓練に使用される。 我々は、NPEモデルがシミュレーションデータに基づいて十分に校正され、実際の火星レーダープロファイルに転送可能であることを実証した。
  論文  参考訳（メタデータ） (2026-05-05T08:41:02Z)
• Synthetic FMCW Radar Range Azimuth Maps Augmentation with Generative Diffusion Model [9.764772760421792]
  本稿では,現実的な周波数変調連続波レーダレンジアジマスマップを合成するための条件付き生成フレームワークを提案する。 提案手法は,歩行者,車,サイクリストを含む複数の対象カテゴリーのレーダデータを生成するために,生成拡散モデルを利用する。
  論文  参考訳（メタデータ） (2026-01-09T10:59:46Z)
• Simulate Any Radar: Attribute-Controllable Radar Simulation via Waveform Parameter Embedding [12.285004244174917]
  SA-Radarは、カスタマイズ可能なレーダー属性に基づいて、制御可能で効率的なレーダーキューブの生成を可能にするレーダーシミュレーションアプローチである。 我々は、波形パラメータを符号化したレーダ属性を条件とした3次元U-NetであるICFAR-Netを設計し、異なるレーダ構成によって引き起こされる信号の変動を捉える。 我々のフレームワークは、新しいセンサ視点と編集シーンのシミュレーションもサポートしており、自動運転アプリケーションのための汎用レーダーデータエンジンとしての可能性を示している。
  論文  参考訳（メタデータ） (2025-06-03T17:58:28Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• ProbRadarM3F: mmWave Radar based Human Skeletal Pose Estimation with Probability Map Guided Multi-Format Feature Fusion [10.269536505085524]
  本稿では,確率マップによるマルチフォーマット特徴融合モデルProbRadarM3Fを提案する。 ProbRadarM3Fは従来のヒートマップの特徴と位置特徴を融合させ、効果的に14個の人体のキーポイントを推定する。
  論文  参考訳（メタデータ） (2024-05-08T15:54:57Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Diffusion Models for Interferometric Satellite Aperture Radar [73.01013149014865]
  確率拡散モデル (Probabilistic Diffusion Models, PDMs) は、最近、非常に有望な生成モデルのクラスとして登場した。 ここでは、PDMを活用して、レーダーベースの衛星画像データセットを複数生成する。 PDMは複雑で現実的な構造を持つ画像を生成することに成功したが、サンプリング時間は依然として問題である。
  論文  参考訳（メタデータ） (2023-08-31T16:26:17Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Enhancing Reliability in Federated mmWave Networks: A Practical and Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
  本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。 これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。 提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-06-22T10:10:25Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• Deep Interference Mitigation and Denoising of Real-World FMCW Radar Signals [16.748215232763517]
  実世界レーダ計測における干渉緩和のための畳み込みニューラルネットワーク(CNN)に基づくアプローチの評価を行った。 実測値と模擬干渉を組み合わせることで,モデルの学習に適した入力出力データを生成する。
  論文  参考訳（メタデータ） (2020-12-04T11:22:13Z)

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。