論文の概要: Merging Reaction to Cognition: A Hybrid Cognitive Strategy for Odour Source Localisation in Natural Environments

• arxiv url: http://arxiv.org/abs/2607.13853v1
• Date: Wed, 15 Jul 2026 14:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.791085
• Title: Merging Reaction to Cognition: A Hybrid Cognitive Strategy for Odour Source Localisation in Natural Environments
• Title（参考訳）: 認知へのメルジング反応:自然環境におけるオーダソースの局所化のためのハイブリッド認知戦略
• Authors: Hugo Magalhães, Rui Baptista, Lino Marques,
• Abstract要約: バイオインスパイアされた戦略は、検出によって引き起こされる反応性の行動に依存する。 認知戦略は、観測を源の位置に関する確率論的信念に統合する。 本研究は、バイオインスパイアされた反応性を信念に依存した行動計画に明示的に組み込むハイブリッド戦略を提案する。
• 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: Chemical pollutants released into the environment are transported by turbulent flows, generating complex, intermittent plume structures that threaten ecosystems and human health. Rapid localisation of emission sources is critical, and field robots equipped with chemical sensors provide a viable means to perform this task. However, inferring source location from sensor readings remains difficult due to sparse detections and the absence of reliable concentration gradients. Existing approaches fall into two paradigms. Bio-inspired strategies rely on reactive behaviours triggered by detections, such as surge-casting, offering efficiency but requiring scenario-specific tuning. Cognitive strategies integrate observations into a probabilistic belief over source location. While more robust, they suffer from excessive exploration and strong dependence on belief accuracy. The Fast-Cognitive algorithm reduced this computational burden but preserved the fundamental limitations. Previous Markov chain analysis revealed that source-directed motions occur roughly twice as often following odour detections, indicating that reactive behaviours naturally emerge within cognitive frameworks. This work proposes a hybrid strategy that explicitly incorporates bio-inspired reactivity into belief-dependent motion planning. It introduces a detection-triggered switching mechanism formalising transitions between crossflow exploration and source-directed motion, prioritising source proximity over information gain. Behavioural parameters are derived directly from belief metrics, enabling adaptive reactivity without manual tuning. The approach is validated through simulations under three turbulence conditions and field experiments with an autonomous surface vehicle in the Mondego River, Portugal. Results show up to 50% reduction in travelled distance, 86% success rate, and 3.2m average localisation error.
• Abstract（参考訳）: 環境に放出される化学汚染物質は乱流によって輸送され、生態系や人間の健康を脅かす複雑な断続的なプルーム構造を生成する。 放出源の迅速な局所化は重要であり、化学センサーを装備したフィールドロボットは、このタスクを実行するための実行可能な手段を提供する。 しかし, センサ読み取りからソース位置を推定することは, スパース検出と信頼性の高い濃度勾配の欠如により, 依然として困難である。 既存のアプローチは2つのパラダイムに分類される。 バイオインスパイアされた戦略は、サージキャストのような検出によって引き起こされるリアクティブな振る舞いに依存し、効率性を提供するがシナリオ固有のチューニングを必要とする。 認知戦略は、観測を源の位置に関する確率論的信念に統合する。 より堅牢であるが、過度な探索と信念の正確さへの強い依存に苦しむ。 Fast-Cognitiveアルゴリズムはこの計算負担を削減したが、基本的な制限は保たれた。 以前のマルコフ連鎖分析により、ソース指向の動作は臭気検出の約2倍の頻度で発生し、認知フレームワーク内では自然に反応性の挙動が現れることが示された。 本研究は、バイオインスパイアされた反応性を信念に依存した行動計画に明示的に組み込むハイブリッド戦略を提案する。 クロスフロー探索とソース指向運動の遷移を定式化した検出トリガースイッチング機構を導入し、情報ゲインよりもソース近接を優先する。 行動パラメータは信念の指標から直接導出され、手動のチューニングなしに適応的な反応を可能にする。 このアプローチは、3つの乱流条件下でのシミュレーションと、ポルトガルのモンデゴ川で自律的な表面車両によるフィールド実験によって検証される。 その結果、旅行距離の最大50%削減、86%の成功率、3.2mの平均的なローカライゼーション誤差が得られた。

関連論文リスト

• Rare Event Analysis via Stochastic Optimal Control [39.211234628277744]
  本稿では,コミッタ推定を最適制御(SOC)問題とするフレームワークを提案する。 提案手法は,直接的バックプロパゲーション損失と原則付きオフ政治価値マッチング損失の2つの相補的目標を開発する。 ベンチマークシステムでは、既存の手法よりも正確なコミッタ推定、反応速度、平衡定数が得られる。
  論文  参考訳（メタデータ） (2026-04-14T18:34:38Z)
• Olfactory pursuit: catching a moving odor source in complex flows [0.5541644538483947]
  臭気信号は断続的であり、乱流のような輸送によって強く混合される。 我々は,目標の位置と速度に関する共同信念をエージェントが維持する,部分的に観察可能なマルコフ決定過程として嗅覚追跡を定式化する。 本研究は, 目標運動の予測推定を, 効果的な嗅覚追跡の鍵となる要素として同定した。
  論文  参考訳（メタデータ） (2026-04-13T15:52:24Z)
• Uncertainty Estimation for Deep Reconstruction in Actuatic Disaster Scenarios with Autonomous Vehicles [68.82821445619759]
  原理的不確実性定量化は 能動センシング戦略に不可欠です Evidential Deep Learningは、すべてのセンサ構成で最高の再構築精度と不確実性校正を実現する。 これらの知見は、リアルタイムの自動運転車配備における不確実性認識フィールド再構築の方法として、エビデンシャル・ディープ・ラーニングを支持している。
  論文  参考訳（メタデータ） (2026-04-07T19:17:44Z)
• Agentic Uncertainty Quantification [76.94013626702183]
  本稿では,言語化された不確実性をアクティブな双方向制御信号に変換する統合されたデュアルプロセスエージェントUQ(AUQ)フレームワークを提案する。 システム1(Uncertainty-Aware Memory, UAM)とシステム2(Uncertainty-Aware Reflection, UAR)は、これらの説明を合理的な手段として利用し、必要な時にのみターゲットの推論時間解決をトリガーする。
  論文  参考訳（メタデータ） (2026-01-22T07:16:26Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• From Pheromones to Policies: Reinforcement Learning for Engineered Biological Swarms [0.0]
  本研究では, フェロモンを介するセロモン凝集と強化学習(RL)の理論的等価性を確立する。 我々は,フェロモンが数学的に相互学習の更新を反映していることを示し,捕食作業を行う線虫群をモデル化した。 この結果から, 環境信号が外部メモリとして機能する分散RLプロセスは, スティグマイシン系が本質的にコード化されていることが示唆された。
  論文  参考訳（メタデータ） (2025-09-24T13:16:35Z)
• Mutual Information Tracks Policy Coherence in Reinforcement Learning [0.0]
  強化学習(RL)エージェントは、センサの故障、アクチュエータの摩耗、環境変化による劣化に直面している。 本稿では,RLの基本動力学を両立させる情報理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-12T17:24:20Z)
• Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
  連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。 私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。 FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
  論文  参考訳（メタデータ） (2025-06-03T05:27:56Z)
• Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
  強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。 本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。 これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
  論文  参考訳（メタデータ） (2024-07-17T09:45:27Z)
• Sequential Attention Source Identification Based on Feature Representation [88.05527934953311]
  本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。 なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
  論文  参考訳（メタデータ） (2023-06-28T03:00:28Z)
• Contaminant source identification in groundwater by means of artificial neural network [0.0]
  本研究の目的は, 前方および逆輸送問題を解決するために, 複数のシナリオを解析できるデータ駆動モデルを開発することである。 このモデルが生み出す利点は、文学研究と比較された。
  論文  参考訳（メタデータ） (2022-07-19T14:51:30Z)

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。