論文の概要: Write-Safe Flow Field Mapping under Ambiguous Onboard Sensing and Localization Drift

• arxiv url: http://arxiv.org/abs/2607.27713v1
• Date: Thu, 30 Jul 2026 05:48:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.408649
• Title: Write-Safe Flow Field Mapping under Ambiguous Onboard Sensing and Localization Drift
• Title（参考訳）: ランダムなオンボードセンシングと位置決めドリフトによる書込み安全流れ場マッピング
• Abstract要約: 移動ロボットは、オンボードセンシングから局所的なフロー構造を推定できるが、局所的な妥当な推定は、必ずしもグローバルマップに書き込むのが安全とは限らない。 マップ参照対応の保守的融合フレームワークを用いて、この障害モードに対処する。 アンモラスセンシングおよび局所化ドリフト下でのフローマッピングにおいて,安全なマップ作成が重要であることを示す。
• 参考スコア（独自算出の注目度）: 1.5749416770494706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobile robots can infer local flow structure from onboard sensing, but a locally plausible estimate is not always safe to write into a global map. Similar flow structures may produce ambiguous observations, while localization drift causes predicted patches to be written at incorrect locations. Repeated misregistered updates then accumulate into persistent ghost structures. We address this failure mode with a map-reference-aware conservative fusion framework. The model predicts a local velocity patch and a learned write-safety score that continuously attenuates uncertain map updates while permitting initialization when no reliable map reference is available. Across synthetic jet and crossflow environments, the proposed method reduces average ghost contamination by 42% relative to ungated fusion. A zero-shot hardware replay using real pressure and optical-flow measurements from a thruster wake further reduces ghost contamination by 39% while retaining 81% map coverage. These results show that safe map writing is critical for flow mapping under ambiguous sensing and localization drift.
• Abstract（参考訳）: 移動ロボットは、オンボードセンシングから局所的なフロー構造を推定できるが、局所的な妥当な推定は、必ずしもグローバルマップに書き込むのが安全とは限らない。 類似のフロー構造は曖昧な観測を生じさせるが、局所化ドリフトは予測されたパッチを誤った場所に書き込む原因となる。 繰り返し登録された更新は、永続的なゴースト構造に蓄積される。 マップ参照対応の保守的融合フレームワークを用いて、この障害モードに対処する。 モデルは、信頼された地図参照が得られない場合、初期化を許可しながら、不確実な地図更新を継続的に抑制するローカルな速度パッチと学習された書き込み安全スコアを予測する。 合成ジェットとクロスフロー環境全体では, 平均ゴースト汚染を42%低減する手法が提案されている。 実圧とスラスタウェイクからの光フロー測定によるゼロショットハードウェアのリプレイにより、ゴースト汚染はさらに39%減少し、81%のマップカバレッジを維持した。 これらの結果から,アンモラスセンシングおよび局所化ドリフト下でのフローマッピングにおいて,安全なマップ作成が重要であることが示唆された。

関連論文リスト

• Map the Possibilities: Spatial Belief Fields for Language-Goal Aerial Navigation [49.03955946482723]
  SBFNavは、言語条件付き空間的信念場を中心としたクローズドループナビゲーションフレームワークである。 主に観測されたことを記録しているエゴ中心の地図とは異なり、SBFレポジトリ-はタスク条件付き分布を可視な目標位置上で再送する。 SBFNavは、制御のためのメットリックなウェイポイントとして、命令と観察に最も適したゴールを選択する。
  論文  参考訳（メタデータ） (2026-09-05T03:11:01Z)
• DriftScope: Measuring The Hidden Effects of Diffusion Model Adaptation [50.584834483403675]
  新しい視覚概念を学習するか、望ましくないものを消去するか、事前学習したテキスト・画像拡散モデルに適応させることは、意図した効果だけで日常的に評価される。 適応が意味論的に無関係な概念を、構造的にメトリクスを集約することができない方法で体系的に損なうことを実証する。 DriftScopeは、任意の2つのモデルチェックポイントを取り込み、視覚的概念が最も移行したトークンのランクリストを返す、プロンプトレベルの診断ツールである。
  論文  参考訳（メタデータ） (2026-06-30T20:57:51Z)
• CFEAR-Teach-and-Repeat: Fast and Accurate Radar-only Localization [3.8878015902629977]
  単一回転レーダを用いた教示・繰り返しローカライゼーションパイプラインCFEAR-TRを提案する。 本手法は,学習パスから保存したスキャンと,最近の生活のスライディングウインドウとを協調的に組み合わせることで,ローカライズする。 Boreasデータセットのホールドアウトテストシーケンスの実験では、CFEAR-TRが0.117mと0.096の精度でローカライズ可能であることが示された。
  論文  参考訳（メタデータ） (2026-03-06T17:35:58Z)
• Robust Underwater Localization of Buoyancy Driven microFloats Using Acoustic Time-of-Flight Measurements [0.0]
  沿岸海域における浮力駆動型マイクロフロートのためのロバストで低コストなローカライゼーションパイプラインを提案する。 本研究では、双方向音響時間(ToF)ローカライゼーションフレームワークを導入することで、従来の作業の上に構築する。 ワシントンD.C.のPuget Soundにおける2つのフィールド展開におけるフレームワークの検証を行った。
  論文  参考訳（メタデータ） (2025-12-13T08:14:44Z)
• RTMap: Real-Time Recursive Mapping with Change Detection and Localization [8.343318095882232]
  RTMapは、自己進化メモリとして、マルチトラバースHDマップを継続的にクラウドソーシングする。 オンボードエージェントでは、RTMapはエンドツーエンドの方法で、同時に3つのコア課題に対処する。 いくつかの公道自動運転データセットの実験は、事前支援された地図の品質と位置決め精度の両方において、我々の確固たる性能を実証している。
  論文  参考訳（メタデータ） (2025-07-01T17:32:30Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
  画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。 本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。 この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
  論文  参考訳（メタデータ） (2023-09-19T10:57:53Z)
• On-ramp and Off-ramp Traffic Flows Estimation Based on A Data-driven Transfer Learning Framework [2.55061802822074]
  幹線道路のループ検出装置から収集したデータのみを用いて,不足する傾斜流を正確に推定することのできるデータ駆動型フレームワークを提案する。 提案フレームワークは,交通パターン,分布,特性の異なる高速道路におけるオンランプおよびオフランプ流の高精度な推定を保証できる。
  論文  参考訳（メタデータ） (2023-08-07T12:36:30Z)
• Learnable Spatio-Temporal Map Embeddings for Deep Inertial Localization [21.300194809454077]
  本稿では,地図上のユーザ位置に関するデータ駆動型事前提案を行う。 従来の手作業で定義した手法よりも,どの地図領域がユーザにとって実現可能な場所かを,より正確にエンコードすることを学びました。
  論文  参考訳（メタデータ） (2022-11-14T18:58:21Z)
• Real-time AdaBoost cascade face tracker based on likelihood map and optical flow [59.17685450892182]
  著者らは、光学フロー情報をヴィオラ・ジョーンズ検出アルゴリズムの修正版に組み込む新しい顔追跡手法を提案する。 元のアルゴリズムでは、前のフレームからの情報が考慮されないため、検出は静的である。 提案したトラッカーは、各ウィンドウが通過する分類段階の数に関する情報を保存する。
  論文  参考訳（メタデータ） (2022-10-25T10:15:07Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。