論文の概要: Switched Turn-based Adaptive Source Seeking Strategy using Estimation and Information-driven Direction of Improvement

• arxiv url: http://arxiv.org/abs/2608.23068v1
• Date: Mon, 24 Aug 2026 10:13:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.020254
• Title: Switched Turn-based Adaptive Source Seeking Strategy using Estimation and Information-driven Direction of Improvement
• Title（参考訳）: 推定と情報駆動による改善方向を用いたターンベース適応音源探索戦略
• Abstract要約: ガス漏れの局所化、放射線モニタリング、環境監視などの応用に源泉探索が生じる。 ロボットソース探索では、推定と動きは密接に関連している。 本稿では,Fisher Information Matrix(FIM)に基づく方向選択と推定を組み合わせたループベースソース探索フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Source seeking arises in applications such as gas leak localization, radiation monitoring, and environmental surveillance, where the origin of an unknown signal field must be estimated from spatial measurements. In practice, the source location is not directly observable and must be inferred from noisy scalar measurements collected during motion.In robotic source seeking, estimation and motion are closely linked: measurements improve the source estimate, while the chosen trajectory affects the quality of future measurements.Existing loop-based geometric strategies generate feasible motion but do not explicitly use estimation uncertainty to regulate direction updates.This paper presents a loop-based source-seeking framework that combines Extended Kalman Filter (EKF) estimation with Fisher Information Matrix (FIM)-based direction selection. The source estimate is updated during motion, and the heading is changed at loop boundaries using both estimation uncertainty and predicted information gain. A measurement-based stopping condition is used to detect convergence without requiring prior knowledge of the source location.Simulation results under stationary and moving source scenarios demonstrate improved tracking performance and reduced estimation error compared to purely information-driven or estimate-driven strategies.
• Abstract（参考訳）: ガス漏れの局所化、放射線モニタリング、環境監視などの応用において、未知の信号場の起源を空間測定から推定する必要がある。 実例では、音源位置は直接観測可能ではなく、運動中に収集されたノイズの多いスカラー測定から推定されなければならない。ロボットソース探索では、推定、推定、動きは密接なリンクである: 測定はソース推定を改善するが、選択された軌道は将来の測定の質に影響を及ぼす。既存のループベースの幾何的戦略は、実現可能な動きを生成するが、方向更新を調整するために推定の不確実性は明示的に利用しない。この記事では、拡張カルマンフィルタ(EKF)推定とフィッシャー情報マトリックス(FIM)に基づく方向選択を組み合わせたループベースのソース探索フレームワークを提案する。 震源推定は動き中に更新され、推定不確実性と予測情報ゲインの両方を用いてループ境界で方向を変更する。 観測に基づく停止条件を用いて、ソース位置の事前知識を必要とせずに収束を検知し、静止および移動したソースシナリオにおけるシミュレーション結果から、純粋な情報駆動戦略や推定駆動戦略と比較して、追跡性能の向上と推定誤差の低減が示される。

関連論文リスト

• Local Conformal Calibration of Dynamics Uncertainty from Semantic Images [11.10792616622245]
  観測対応コンフォーマル不確実性局所校正(OCular)について紹介する。 OCcularは、認識情報を用いて不確実な定量化を保証する共形予測に基づくアルゴリズムである。 ランダムな摂動と有意なモデルミスマッチを考慮した二重積分器システムにおいて,本アルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2026-05-13T05:33:42Z)
• Predictive Modeling in AUV Navigation: A Perspective from Kalman Filtering [2.646393510325155]
  本稿では,自律型水中車両(AUVs)の枠組みについて述べる。これは,局部化精度の向上,軌道予測の向上,通信損失時の効率的な探索操作を支援する。 筆者らのフレームワークは,Kalmanフィルタと不確実性伝搬を用いてマルチブイ音響データを融合し,ナビゲーションの精度を維持し,通信損失時の堅牢な探索領域定義を導出する。
  論文  参考訳（メタデータ） (2026-03-28T21:47:22Z)
• Conformal Prediction for Multi-Source Detection on a Network [59.17729745907474]
  マルチソース検出問題について検討する。 グラフ上のノード感染状況のスナップショットが与えられた場合、伝播を開始するソースノードのセットを推定する。 本稿では,ソースセット検出のための統計的に有効なリコール保証を提供する新しいコンフォメーション予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:09:56Z)
• Source-Free Domain-Invariant Performance Prediction [68.39031800809553]
  本研究では,不確実性に基づく推定を主軸としたソースフリー手法を提案する。 オブジェクト認識データセットのベンチマーク実験により、既存のソースベースの手法は、限られたソースサンプルの可用性で不足していることが判明した。 提案手法は,現在の最先端のソースフリーおよびソースベース手法よりも優れており,ドメイン不変性能推定の有効性が確認されている。
  論文  参考訳（メタデータ） (2024-08-05T03:18:58Z)
• Anomaly Detection in Power Grids via Context-Agnostic Learning [4.865842426618145]
  グリッド上のセンサの固定セットから得られる時系列測定値を考えると、ネットワークトポロジや測定データの異常を識別できるだろうか? 近年のデータ駆動型ML技術は、現在のデータと過去のデータを組み合わせて異常検出を行っている。 本稿では,正規位相と負荷/世代変化の影響を考慮した,文脈認識型異常検出アルゴリズムGridCALを提案する。
  論文  参考訳（メタデータ） (2024-04-11T16:37:01Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Uncertainty-guided Source-free Domain Adaptation [77.3844160723014]
  ソースフリードメイン適応(SFDA)は、事前訓練されたソースモデルのみを使用することで、未ラベルのターゲットデータセットに分類器を適応させることを目的としている。 本稿では、ソースモデル予測の不確実性を定量化し、ターゲット適応の導出に利用することを提案する。
  論文  参考訳（メタデータ） (2022-08-16T08:03:30Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)
• Transfer Learning under High-dimensional Generalized Linear Models [7.675822266933702]
  本研究では,高次元一般化線形モデルによる伝達学習問題について検討する。 オラクルアルゴリズムを提案し,その$ell$-estimationエラー境界を導出する。 どのソースを転送すべきかわからない場合には、アルゴリズム無しで転送可能なソース検出手法を導入します。
  論文  参考訳（メタデータ） (2021-05-29T15:39:43Z)

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。