論文の概要: Critical slowing down for predicting controller induced loss of control in quadrotors

• arxiv url: http://arxiv.org/abs/2607.25370v1
• Date: Tue, 28 Jul 2026 07:25:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.744052
• Title: Critical slowing down for predicting controller induced loss of control in quadrotors
• Title（参考訳）: 制御器の制御損失予測のための臨界減速
• Authors: Jasper J. van Beers, Prashant Solanki, Erik-Jan van Kampen, Coen C. de Visser,
• Abstract要約: 制御器の制御損失(LOC)を予測できる新しい手法を開発した。 実際のLOC飛行データを用いて, 4つの異なるクオータを用いて評価を行った。 提案手法はLOC発生まで最大0.9秒の時間-LOC予測を実現する。
• 参考スコア（独自算出の注目度）: 6.667253099509426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We develop a novel forecasting scheme to anticipate controller induced loss of control (LOC) in quadrotors and evaluate it on real LOC flight data from four different quadrotors. For this, early warning signals of LOC are derived using critical slowing down (CSD), a generic phenomenon shown to precede critical transitions across various complex ecological and biological systems. As such, our early warning indicators are generic in the sense that no system models are needed to facilitate forecasts of LOC. The approach is evaluated on real quadrotor flight data wherein LOC occurs due to unstable controller behavior arising from input-output delays. Our approach achieves a time-to-LOC forecast of up to 0.9 seconds before LOC occurs, outperforming state-of-the-art recurrent neural network quadrotor LOC forecasters in terms of detection accuracy and LOC data reliance. In particular, we leverage insights from CSD to accurately predict LOC without using data of the LOC event itself. Going further, we apply our forecasters without any re-parameterization to anticipate a different LOC scenario, quadrotor flyways, that occur on other quadrotors flying both indoors and outdoors. Despite these differences, our approach successfully detects LOC, demonstrating that it can generalize across controller architectures, quadrotors, and LOC scenarios.
• Abstract（参考訳）: 我々は,4つの異なる4つのクァロタの実際のLOC飛行データに基づいて,コントローラ誘導制御損失(LOC)を予測する新しい予測手法を開発した。 このために、LOCの早期警告信号は、様々な複雑な生態学的および生物学的システムの臨界遷移に先行していることを示す一般的な現象であるCritical slowing down (CSD)を用いて導出される。 したがって,早期警戒指標はLOCの予測を促進するためにシステムモデルを必要としないという意味で一般的である。 提案手法は,入力出力遅延に起因する不安定な制御動作によりLOCが発生する実4次飛行データに基づいて評価する。 提案手法は,LOC発生の最大0.9秒前のLOC予測を達成し,検出精度とLOCデータ信頼度の観点から,最先端の反復型ニューラルネットワークのLOC予測器よりも優れた性能を示す。 特に、LOCイベント自体のデータを用いることなく、CDDからの洞察を活用してLOCを正確に予測する。 さらに, 室内および屋外の両方を飛行する他の四輪機で発生する異なるLOCシナリオ, 四翼飛行路を予測するために, 再パラメータ化を伴わない予測器を適用した。 これらの違いにもかかわらず,本手法はLOCの検出に成功し,コントローラアーキテクチャ,四元数,LOCシナリオをまたいで一般化できることを実証した。

関連論文リスト

• PnP-Corrector: A Universal Correction Framework for Coupled Spatiotemporal Forecasting [62.22445401483844]
  既存の手法は複雑なエラーのボトルネックによって厳しく制約されている。 我々は-Cast-Corrector (Plug-and-Play Corrector)と呼ばれる普遍的なフレームワークを提案する。 本手法は,結合予測システムの長期安定性を著しく向上させる。
  論文  参考訳（メタデータ） (2026-05-09T13:12:33Z)
• Real-Time Proactive Anomaly Detection via Forward and Backward Forecast Modeling [0.0]
  本稿では,前向き予測モデル (FFM) と後向き再構成モデル (BRM) の2つの前向きな異常検出フレームワークを紹介する。 FFMは破壊を予想する将来のシーケンスを予測し、BRMは将来の状況から最近の歴史を再構築し、初期の前駆体を明らかにする。 我々のモデルは連続的および離散的多変量特徴の両方をサポートし、実環境における堅牢な性能を実現する。
  論文  参考訳（メタデータ） (2026-02-12T03:57:41Z)
• Adversarial Attacks on Downstream Weather Forecasting Models: Application to Tropical Cyclone Trajectory Prediction [16.063976106946402]
  本稿では,DLWFモデルの上流予測を妨害し,対向軌道を生成する新しい手法であるCyc-Attackを提案する。 このような制約を克服するために, DLWFモデルの上流予測を摂動させ, 対角軌道を生成する新しい手法であるCyc-Attackを提案する。
  論文  参考訳（メタデータ） (2025-10-11T09:42:16Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Unsupervised Learning for Fault Detection of HVAC Systems: An OPTICS -based Approach for Terminal Air Handling Units [1.0878040851638]
  本研究では,ターミナルエアハンドリングユニットとその関連システムにおける故障を検出するための教師なし学習戦略を提案する。 この手法は、主成分分析を用いて歴史的センサデータを前処理して次元を合理化する。 その結果,オプティクスは季節ごとの精度で常にk平均を上回っていた。
  論文  参考訳（メタデータ） (2023-12-18T18:08:54Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
  本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。 我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。 スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:50:43Z)

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。