Fugu-MT 論文翻訳(概要): Seeing above the waves: A modular sensing framework for data acquisition at sea

論文の概要: Seeing above the waves: A modular sensing framework for data acquisition at sea

arxiv url: http://arxiv.org/abs/2608.10997v1
Date: Tue, 11 Aug 2026 14:48:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-12 19:14:46.089898
Title: Seeing above the waves: A modular sensing framework for data acquisition at sea
Title（参考訳）: 波の上を見る: 海でのデータ取得のためのモジュラーセンシングフレームワーク
Abstract要約: モジュール化された再現可能な、海上自律性のためのセンサープラットフォームを設計するには、どうすればよいのか? 我々は、RADAR、LiDAR、IMU、AIS、RGB、LWIRカメラ、気象センサーなど、様々なモダリティを取り入れた総合的なデザイン青写真を提供する。私たちのモジュラプラットフォームは、長期データ収集、ハードウェア・イン・ザ・ループテスト、既存のセンサーやアルゴリズムとの統合を可能にします。
参考スコア（独自算出の注目度）: 0.35180162330725556
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Advancing autonomy for surface vessels requires systematic evaluation of their sensing and perception subsystems. Yet, maritime environments impose unique challenges: sensor installation is constrained by vessel layout, environmental conditions such as fog or sea clutter are difficult to reproduce, and long-duration missions complicate data collection. This work addresses the question: How can we design a modular and reproducible sensor platform for maritime autonomy? We present a comprehensive design blueprint that incorporates diverse modalities - RADAR, LiDAR, IMU, GNSS, AIS, RGB and LWIR cameras, and weather sensors - to enhance environmental awareness and vessel proprioception. Supported by a dedicated ROS2-based software framework for data management, our modular platform enables long-term data collection, hardware-in-the-loop testing, and integration with existing sensors and algorithms. By unifying hardware design and data capture methodology, the platform enhances reproducibility and comparability across vessels and research projects. The proposed framework bridges engineering implementation and research methodology, providing the foundation for standardized, verifiable datasets essential to advancing situational awareness and autonomous maritime navigation.
Abstract（参考訳）: 表面容器の自律性向上には、その知覚と知覚のサブシステムの体系的な評価が必要である。しかし、海洋環境は、センサの設置が船舶のレイアウトによって制限されていること、霧や海乱れなどの環境条件の再現が難しいこと、長期のミッションがデータ収集を複雑にしていることなど、固有の課題を課している。モジュール化された再現可能な、海上自律性のためのセンサープラットフォームを設計するには、どうすればよいのか? 本稿では,Radar,LiDAR,IMU,GNSS,AIS,RGB,LWIRカメラ,気象センサといった多様なモダリティを取り入れた総合的な設計青写真について述べる。データ管理のための専用のROS2ベースのソフトウェアフレームワークによってサポートされ、当社のモジュールプラットフォームは、長期データ収集、ハードウェア・イン・ザ・ループテスト、既存のセンサーやアルゴリズムとの統合を可能にします。ハードウェア設計とデータキャプチャの方法論を統一することにより、このプラットフォームは、船体や研究プロジェクト間の再現性と互換性を高める。提案したフレームワークはエンジニアリングの実装と研究の方法論を橋渡しし、状況認識と自律的な海上航行に不可欠な標準化された検証可能なデータセットの基礎を提供する。

関連論文リスト

WUTDet: A 100K-Scale Ship Detection Dataset and Benchmarks with Dense Small Objects [68.44670476527155]
WUTDetは100,576イメージと381,378のアノテートされた船舶インスタンスを備えた大規模な船舶検出データセットである。 CNN, Transformer, Mambaの3つの主流検出アーキテクチャから20のベースラインモデルを体系的に評価した。 Ship-GENの結果は、WUTDetでトレーニングされたモデルは、異なるデータ分布下でより強力な一般化を示すことを示している。
論文参考訳（メタデータ） (2026-04-09T03:28:05Z)
AMP2026: A Multi-Platform Marine Robotics Dataset for Tracking and Mapping [14.383850175317223]
データセットには、空中ドローン、ボートに搭載されたカメラ、水中ロボットプラットフォームからの同期データが含まれている。本稿では,データセットがサポートするデータ収集手法,センサ構成,データセット構成,目的とする研究タスクについて述べる。
論文参考訳（メタデータ） (2026-03-04T16:07:19Z)
A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文参考訳（メタデータ） (2026-02-11T10:02:31Z)
Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。 X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文参考訳（メタデータ） (2025-09-25T04:59:02Z)
SmartPNT-MSF: A Multi-Sensor Fusion Dataset for Positioning and Navigation Research [5.758433879018026]
このデータセットは、グローバルナビゲーション衛星システム(GNSS)、慣性計測ユニット(IMU)、光学カメラ、LiDARなど、複数のセンサーからのデータを統合する。データ収集と処理のための標準化されたフレームワークは、一貫性とスケーラビリティを確保し、大規模な分析を可能にする。都市部、キャンパス、トンネル、郊外環境など、様々な現実のシナリオをカバーしている。
論文参考訳（メタデータ） (2025-07-25T09:06:11Z)
Design and Experimental Validation of an Autonomous USV for Sensor Fusion-Based Navigation in GNSS-Denied Environments [2.915868985330569]
MARVEL(MARVEL)は、センサーフュージョンに基づくナビゲーションアルゴリズムの現実的なテストのために開発された無人表面車両である。電磁ログ、ドップラー速度ログ、慣性センサー、リアルタイムキネマティック位置決めを統合している。 MARVELは、冗長な同期センサーを使用して、高度なナビゲーションとAI駆動アルゴリズムのリアルタイム、その場検証を可能にする。
論文参考訳（メタデータ） (2025-03-30T13:50:46Z)
Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文参考訳（メタデータ） (2025-03-06T05:13:19Z)
MID: A Comprehensive Shore-Based Dataset for Multi-Scale Dense Ship Occlusion and Interaction Scenarios [10.748210940033484]
海上航行行動データセット(MID)は、複雑な海上環境における船舶検出の課題に対処するために設計されている。 MIDには5,673の画像と135,884の微調整されたターゲットインスタンスが含まれており、教師付き学習と半教師付き学習の両方をサポートしている。 MIDの画像は、43の水域を横断する現実世界のナビゲーションの高精細なビデオクリップから得られたもので、天候や照明条件も様々である。
論文参考訳（メタデータ） (2024-12-08T09:34:23Z)
Introducing VaDA: Novel Image Segmentation Model for Maritime Object Segmentation Using New Dataset [3.468621550644668]
海上輸送産業はコンピュータビジョン人工知能(AI)の進歩によって急速に進化している海洋環境における物体認識は、光の反射、干渉、激しい照明、様々な気象条件といった課題に直面します。既存のAI認識モデルとデータセットは、自律ナビゲーションシステムを構成するのに限定的に適している。
論文参考訳（メタデータ） (2024-07-12T05:48:53Z)
Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文参考訳（メタデータ） (2023-08-14T16:48:57Z)
Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文参考訳（メタデータ） (2023-04-27T20:21:18Z)

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。