Fugu-MT 論文翻訳(概要): Vessel Trajectory Prediction using COLREGs-aware Optimal Planning

論文の概要: Vessel Trajectory Prediction using COLREGs-aware Optimal Planning

arxiv url: http://arxiv.org/abs/2607.15969v1
Date: Fri, 17 Jul 2026 14:04:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-20 17:56:52.86884
Title: Vessel Trajectory Prediction using COLREGs-aware Optimal Planning
Title（参考訳）: COLREGを用いた最適計画に基づく容器軌道予測
Abstract要約: 本稿では, 最適計画に基づく海洋船舶の軌道予測について述べる。提案手法は,AISデータから構築した実世界のシナリオを用いて検証する。
参考スコア（独自算出の注目度）: 1.159751616011475
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper presents a trajectory prediction method for marine vessels based on optimal planning. Crude initial trajectories respecting static obstacles are first generated using A*-search to provide a feasible warm start. In the second step, a numerical optimizer is used to ensure COLREG compliance. The prediction problem is posed as sequential trajectory planning from the perspective of each surrounding vessel, requiring only their current positions, velocities, and intended destinations as input. As the latter is included in AIS messages, this enables faster predictions than learning-based methods that typically require longer data histories. The proposed method is validated using real-world scenarios constructed from AIS data.
Abstract（参考訳）: 本稿では,最適計画に基づく海洋船舶の軌道予測手法を提案する。 A*-search を用いて、静的な障害物に対する初期軌道を最初に生成し、実現可能なウォームスタートを提供する。第2のステップでは、数値オプティマイザを使用して、COLREGのコンプライアンスを保証する。予測問題は、周囲の船舶の観点からの逐次的な軌道計画として提起され、現在の位置、速度、意図された目的地のみを入力として要求される。後者はAISメッセージに含まれるため、通常は長いデータ履歴を必要とする学習ベースのメソッドよりも高速な予測が可能になる。提案手法は,AISデータから構築した実世界のシナリオを用いて検証する。

関連論文リスト

Streaming Real-Time Trajectory Prediction Using Endpoint-Aware Modeling [54.94692733670454]
近隣の交通機関の将来の軌道は、自動運転車の経路計画と意思決定に大きな影響を与えている。本稿では,軽量かつ高精度なストリーミングベース軌道予測手法を提案する。当社のアプローチは推論遅延を大幅に低減し、現実のデプロイメントに適しています。
論文参考訳（メタデータ） (2026-03-02T13:44:23Z)
SKETCH: Semantic Key-Point Conditioning for Long-Horizon Vessel Trajectory Prediction [3.870589001283509]
セマンティックキーポイント条件付き軌道モデリングフレームワークを提案する。長距離予測を大域的意味決定と局所運動モデリングに分解する。実世界のAISデータを用いた実験では,提案手法が常に最先端の手法より優れていることが示された。
論文参考訳（メタデータ） (2026-01-26T14:42:31Z)
From Forecast to Action: Uncertainty-Aware UAV Deployment for Ocean Drifter Recovery [0.0]
本稿では,航路予測とUAV配置最適化を統合した海中サーチオペレーションのための新しいフレームワークを提案する。大きな言語モデルは漂流者の軌道を予測し、空間的不確実性はガウスに基づく粒子サンプリングを用いてモデル化される。韓国の海岸線から得られた実世界のデータを用いた実験により,本手法,特にこの問題のために設計された修復機構が,ランダムな探索基準よりも著しく優れていることが示された。
論文参考訳（メタデータ） (2025-12-10T02:31:17Z)
OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文参考訳（メタデータ） (2024-09-14T07:44:22Z)
Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
論文参考訳（メタデータ） (2023-09-18T19:49:22Z)
The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
本稿では,船体移動軌跡予測の教師なし手法を提案する。これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
論文参考訳（メタデータ） (2020-07-27T17:45:21Z)
Long-Horizon Visual Planning with Goal-Conditioned Hierarchical Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文参考訳（メタデータ） (2020-06-23T17:58:56Z)
The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
道路にはよく定義された地形、地形、交通規則がある。本稿では,構造的事前を損失関数として組み込むことを提案する。実世界の自動運転データセットにおけるアプローチの有効性を実証する。
論文参考訳（メタデータ） (2020-06-04T03:56:11Z)
Data Driven Aircraft Trajectory Prediction with Deep Imitation Learning [0.8508198765617195]
現在の航空交通管理システムは、予測可能性、効率、コスト効率の限界に達している。本稿では, トラジェクティブクラスタリングと分類手法を備えたパイプラインにおいて, アート手法のジェネレーティブ・アドリバーサ学習状態を含む包括的フレームワークを提案する。
論文参考訳（メタデータ） (2020-05-16T11:53:19Z)
TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。 TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。 4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
論文参考訳（メタデータ） (2020-04-26T00:01:49Z)
Modeling Historical AIS Data For Vessel Path Prediction: A Comprehensive Treatment [5.0283137924084205]
近年,国際規模の大型商業船に義務付けられているため,自動識別システム(AIS)が重要な役割を担っている。 AISデータに基づく船体経路予測は、将来の海洋インテリジェンスにとって有望な方法である。本研究では, 船舶経路の正確な予測を行うために, 大規模歴史的AIS軌道セグメントをモデル化するための包括的枠組みを提案する。
論文参考訳（メタデータ） (2020-01-02T09:16:40Z)

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。