論文の概要: Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry

• arxiv url: http://arxiv.org/abs/2608.04121v1
• Date: Tue, 04 Aug 2026 18:18:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.578931
• Title: Interpretable Fuzzy Inference for UAV Target Tracking Using Bounding-Box Geometry
• Title（参考訳）: 境界ボックス幾何を用いたUAV目標追跡のための解釈可能なファジィ推論
• Authors: Reza Ahmari, Ahmad Mohammadi, Vahid Hemmati, Nicholas Edmond, Hossein Z. Saghazadeh, Olusola Odeyomi, Parham Kebria, Abdollah Homaifar,
• Abstract要約: YOLOボックスから抽出した低次元特徴から連続ヨーコマンドを生成する解釈可能なファジィ推論フレームワークを提案する。 その結果、このフレームワークは透過的で、データ効率が高く、計算量も軽量であり、リアルタイムの視覚に基づくUAV誘導に適していることが判明した。
• 参考スコア（独自算出の注目度）: 0.528933036850801
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based guidance of unmanned aerial vehicles (UAVs) toward unmanned ground vehicles (UGVs) supports cooperative aerial--ground robotics, but reliable continuous yaw estimation from onboard vision remains challenging because of sensing uncertainty, limited computation, and the need for interpretable control. Existing deep-learning and geometric-reconstruction approaches often require large datasets, external localization, or complex modeling assumptions, reducing transparency and deployment suitability on resource-constrained platforms. We present an interpretable fuzzy-inference framework that generates continuous yaw commands from low-dimensional features extracted from YOLO boxes: target centroid location, area, and aspect ratio. No explicit geometric modeling is required. A Mamdani fuzzy system serves as an interpretable baseline using a shoulder--triangle--shoulder input partition. It is followed by a first-order Takagi--Sugeno model with three antecedent membership terms per input, whose parameters are derived from training-set quantiles, yielding a compact 27-rule structure. Evaluation uses 6{,}169 labeled samples from a VICON motion-capture environment. Across five randomized train--test splits, the Takagi--Sugeno model achieves a test-set mean absolute error of $0.140^\circ \pm 0.003^\circ$, a root mean squared error of $0.200^\circ \pm 0.008^\circ$, and a maximum absolute error of $1.254^\circ \pm 0.121^\circ$. Within-threshold accuracies are $99.676% \pm 0.270%$ for $\pm1^\circ$ and $100.000% \pm 0.000%$ for both $\pm3^\circ$ and $\pm5^\circ$. Directional consistency between image-plane horizontal displacement and predicted yaw sign reaches $90.254% \pm 0.612%$. These results show that the framework is transparent, data-efficient, computationally lightweight, and suitable for real-time vision-based UAV guidance toward mobile ground targets.
• Abstract（参考訳）: 無人地上機(UGV)に対する無人航空機(UAV)の視覚に基づく誘導は, 協調型空中地上ロボットを支援するが, 不確実性, 限定的な計算, 解釈可能な制御の必要性から, 搭載された視界からの信頼性の高い連続ヨー推定はいまだに困難である。 既存のディープラーニングと幾何学的再構成アプローチでは、大きなデータセット、外部ローカライゼーション、複雑なモデリングの前提を必要とすることが多く、リソース制約のあるプラットフォームにおける透明性とデプロイメントの適合性が低下する。 YOLOボックスから抽出した低次元特徴から連続ヨーコマンドを生成する解釈可能なファジィ推論フレームワークを提案する。 明示的な幾何学的モデリングは不要である。 マンダニファジィシステムは、肩-三角形-shoulder入力パーティションを使用して解釈可能なベースラインとして機能する。 入力毎に3つの先行メンバシップ項を持つ1次高木-菅野モデルが続き、パラメータはトレーニングセットの量子化から導出され、コンパクトな27ルール構造が得られる。 VICONモーションキャプチャ環境からの6{,}169個のラベル付きサンプルを用いて評価を行った。 高木-菅野モデルでは5つのランダム化列車-テストの分割で、テストセット平均絶対誤差が0.140^\circ \pm 0.003^\circ$、ルート平均2乗誤差が0.200^\circ \pm 0.008^\circ$、最大絶対誤差が1.254^\circ \pm 0.121^\circ$となる。 内訳は99.676% \pm 0.270%$ for $\pm1^\circ$と100.000% \pm 0.000%$ for $\pm3^\circ$と$\pm5^\circ$である。 画像平面の水平変位と予測されたヨーサインの方向整合性は90.254% \pm 0.612%$に達する。 これらの結果から,このフレームワークは透過的で,データ効率が高く,計算量も軽量であり,移動地目標に対するリアルタイム視界に基づくUAV誘導に適していることが示唆された。

関連論文リスト

• Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors [51.56484100374058]
  自動回帰モデルは、長時間のロールアウトでエラーを蓄積しますが、デプロイ時には、それを測定するための基本的な真実はありません。 我々は、方向フラグを介して動的システムを前方または後方にステップする単一の条件付き潜在拡散モデルを訓練する。 この双方向性は測定不要なテスト時間誤差信号を提供することを示す。
  論文  参考訳（メタデータ） (2026-08-01T13:49:46Z)
• Toward Goal-Agnostic Joint-Embedding Predictive Control of Partial Differential Equations [0.0]
  共同埋め込み予測アーキテクチャ(JEPA)を中心に構築された偏微分方程式(PDE)の目標に依存しない制御フレームワークを提案する。 可利用であれば、学習された潜伏空間における生ユークリッド距離(L2$)を最小化するよりも、明確な物理的観測可能(帰納的射影率)に制御目的が適用されることが分かる。
  論文  参考訳（メタデータ） (2026-07-21T20:49:07Z)
• From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs [8.393016378205752]
  我々は、マッピングとプランニングは単一の表現を中心に共同設計されるべきであると主張する:符号付き距離関数(SDF)。 タンデムでは、距離情報を利用して最大衝突のない球を成長させる検索ベースのプランナーであるBubble$star$を開発する。 計算制約の厳密な条件下で室内環境をリアルタイムでナビゲートし,四角形回路上でのOREN-Bubble$star$アプローチを実演する。
  論文  参考訳（メタデータ） (2026-07-21T17:18:46Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• Representation Without Reward: A JEPA Audit for LLM Fine-Tuning [1.2691047660244335]
  JEPA(Joint-embedding predictive Architectures)は、モデルが観測された出力よりも遅延表現を予測できるように訓練された時に、より有用な抽象化を学ぶべきであることを提案している。 自己回帰型言語モデルの微調整には、この原理はより厳密な要件を必要とする。 我々は、Llama-3.2-1B-Instruct LoRA を用いて、自然言語からレジェックス生成におけるその要件を検証した。
  論文  参考訳（メタデータ） (2026-05-14T20:27:32Z)
• Self-supervised Domain Adaptation for Visual 3D Pose Estimation of Nano-drone Racing Gates by Enforcing Geometric Consistency [43.497514957094275]
  シミュレーションデータに基づいて事前学習した畳み込みニューラルネットワークを用いて,ナノクワッドロータの前方のドローンレースゲートの相対的なポーズを視覚的に推定する作業を検討する。 ゲートの前方に任意の軌道を飛行するドローンによって収集された実画像のみを用いた教師なし領域適応(UDA)手法を提案する。
  論文  参考訳（メタデータ） (2026-03-03T12:46:25Z)
• LAF-YOLOv10 with Partial Convolution Backbone, Attention-Guided Feature Pyramid, Auxiliary P2 Head, and Wise-IoU Loss for Small Object Detection in Drone Aerial Imagery [0.0]
  無人航空機は、監視、交通監視、災害対応のための主要なセンシングプラットフォームとして機能する。 現在の検出器は、わずか数ピクセルのターゲット、散らかった背景、重い閉塞、厳格な計算予算など、UAV固有の課題に対処している。 この研究は、YOLOv10n上に構築されたRAF-YOLOv10を紹介し、ドローン画像の小さな物体検出を改善するために4つの補完技術を統合する。
  論文  参考訳（メタデータ） (2026-02-13T18:23:54Z)
• Monge-Ampere Regularization for Learning Arbitrary Shapes from Point Clouds [69.69726932986923]
  任意の曲面型をモデル化するための新しい暗黙曲面表現であるスケールド2乗距離関数 (S$2$DF) を提案する。 S$2$DFは、ゼロレベルセットでのUDFの非微分可能性問題に効果的に対処しながら、内部領域と外部領域を区別しない。
  論文  参考訳（メタデータ） (2024-10-24T06:56:34Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)

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。