論文の概要: Contact-Aided Factor-Graph Localization for Underwater Sampling
- arxiv url: http://arxiv.org/abs/2608.26932v1
- Date: Thu, 27 Aug 2026 10:34:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.356879
- Title: Contact-Aided Factor-Graph Localization for Underwater Sampling
- Title（参考訳）: 水中サンプリングのための接触支援因子グラフの定位
- Abstract要約: 本稿では,物理的相互作用を情報的幾何学的制約として扱う,接触支援因子グラフの局所化フレームワークを提案する。
接触による制約により軌道のドリフトが著しく減少し,物体の視認精度が向上することを示す。
その結果、知覚劣化水中環境における局所化プリミティブとしての身体的相互作用の役割が強調された。
- 参考スコア（独自算出の注目度）: 3.884868746700691
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate state estimation for autonomous underwater vehicles performing close-range seafloor sampling remains challenging. In low-altitude operation, down-looking cameras over featureless planar seabeds produce scale ambiguity, lateral degeneracy, and inconsistent feature tracking. Meanwhile, inertial-Doppler Velocity Log (DVL) fusion alone provides no mechanism for structural drift correction. We propose a Contact-Aided Factor-Graph Localization framework that treats physical interaction as an informative geometric constraint within a smoothing-based localization formulation. The method tightly fuses suction-based manipulator contact events with adaptive visual odometry, learned object detections, and on-board sensors. Visual odometry relative-pose factors and landmark bearing-range factors are uncertainty-scaled according to inlier statistics to prevent visually weak frames from destabilizing the estimator, while contact events are modeled as high-confidence factors that induce implicit loop closures without appearance-based place recognition. Furthermore, the system can fully initialize online during motion. Experimental evaluation in tanks, harbor, and simulation environments demonstrates that contact-induced constraints significantly reduce trajectory drift and improve object revisit accuracy compared to filtering-based navigation and contact-free graph formulations. These results highlight the role of embodied physical interaction as a localization primitive in perception-degraded underwater environments
- Abstract（参考訳）: 近距離海底サンプリングを行う自律型水中車両の正確な状態推定は依然として困難である。
低高度操作では、特徴のない平面海底にカメラを装着すると、スケールのあいまいさ、横方向の縮退、不整合な特徴追跡が生じる。
一方、慣性ドップラー速度ログ(DVL)融合だけでは構造的ドリフト補正のメカニズムは提供されない。
本研究では,スムーシングに基づく定式化において,物理的相互作用を情報的幾何学的制約として扱う接触支援因子グラフの定式化フレームワークを提案する。
この方法は、吸引に基づくマニピュレータ接触イベントを、適応的な視覚計測、学習対象検出、およびオンボードセンサーと密接に融合させる。
接触事象は、外見に基づく位置認識なしで暗黙のループ閉鎖を誘発する高信頼要因としてモデル化される。
さらに、動作中にオンラインを完全初期化することができる。
タンク, 港, シミュレーション環境における実験により, 接触による制約により軌道のドリフトが著しく減少し, 物体の視認精度が, フィルタリングに基づくナビゲーションや接触自由グラフの定式化よりも向上することが示されている。
これらの結果は、知覚劣化水中環境における局在プリミティブとしての身体的相互作用の役割を強調している。
関連論文リスト
- CARO: Contact-Agnostic Residual Observation for Zero-Shot Robust Quadruped Locomotion [6.612698611142421]
CAROは、政策適応のための接触に依存しない残留観測フレームワークである。
固定ベースオイラー-ラグランジュモデルを強化学習制御ループに組み込み、トルクレベルの残留観測を構築する。
外乱オブザーバは、動的ミスマッチを表す構造化信号を抽出し、ポリシーは、このフィードバックをオンライン適応に活用することを学ぶ。
論文 参考訳（メタデータ） (2026-08-25T08:23:24Z) - Drift and Dependence: Layer-wise Information-Theoretic Bounds for Replay-Based Continual Learning [41.371439825328544]
継続的な学習は、古いタスクを消去することなく新しいタスクを吸収し、リプレイ — 過去の例の小さなバッファを現在のトレーニングに混ぜる — 破滅的な忘れ方に対する最も効果的な治療法のひとつです。
我々は、各深さでこれらの効果を分離するレイヤワイド情報理論フレームワークを開発する。
制御およびベンチマーク実験により、予測されたメモリスケーリング、内部ファンネル、およびアライメント信号の忘れへのリンクを確認する。
論文 参考訳（メタデータ） (2026-08-12T06:01:49Z) - Overcoming "Physics Shock" in Earth Observation A Heteroscedastic Uncertainty Framework for PINN-based Flood Inference [0.29165586612027233]
リモートセンシングデータからの迅速かつ正確な洪水範囲マッピングは, 災害対応に不可欠である。
標準的なディープラーニングモデルは、水文学的な制約が欠如しているため、物理的に不可能な予測を生成することが多い。
本研究では,地球観測に特化した新しい不確実性対応PINNフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-22T18:14:17Z) - Toward Operationalizing Rasmussen: Drift Observability on the Simplex for Evolving Systems [0.0]
障害へのドリフトのモニタリングはユークリッド異常検出によって妨げられる。
ラスムッセンの動的安全モデルは、競合する圧力の下でドリフトを動機付ける。
そこで本研究では,単純度に基づくドリフト可観測性に関するビジョンを提案する。
論文 参考訳（メタデータ） (2026-02-05T09:41:49Z) - Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。
検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。
本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
論文 参考訳（メタデータ） (2026-01-28T08:33:10Z) - Diffusion-based Inverse Model of a Distributed Tactile Sensor for Object Pose Estimation [45.95486121114164]
我々は,デノナイズ拡散を用いた逆触覚センサモデルを学習し,触覚データを効率的に活用してポーズ推定を行う。
このモデルは、分布した触覚センサからの触覚観測に基づいて調整され、幾何学的センサーモデルを用いてシミュレーションで訓練される。
オンラインポーズ推定では,提案手法を用いて逆モデルと粒子フィルタを統合する。
論文 参考訳（メタデータ） (2026-01-19T17:36:28Z) - Digital twin for virtual sensing of ferry quays via a Gaussian Process Latent Force Model [0.0]
フェリーは、厳しい海洋環境やフェリーの衝撃にさらされるため、急速に劣化する。
仮想センシング技術は、デジタルツインの確立と構造応答の推定に欠かせないものとなっている。
本研究では, ガウス過程潜水力モデルを用いて, マジェホルムフェリーの仮想センシングを行った。
論文 参考訳（メタデータ） (2025-06-17T19:14:11Z) - Visual Trajectory Prediction of Vessels for Inland Navigation [42.81677042059531]
本研究では,高度な物体検出手法を統合することで,映像に基づく容器追跡と予測の課題に対処する。
BoT-SORT、Deep OC-SORT、ByeTrackなどの追跡アルゴリズムの比較評価では、スムーズなトラジェクトリを提供する際のカルマンフィルタの堅牢性を強調している。
この結果は、内陸航法のためのカスタマイズされたデータセットとモデルの必要性を浮き彫りにした。
論文 参考訳（メタデータ） (2025-05-01T15:31:15Z) - Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors [41.45395153490076]
本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。
提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。
我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
論文 参考訳（メタデータ） (2025-04-03T09:57:51Z) - DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via
Physics Simulation [81.11585774044848]
我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。
提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
論文 参考訳（メタデータ） (2023-10-11T05:34:36Z) - SM/VIO: Robust Underwater State Estimation Switching Between Model-based
and Visual Inertial Odometry [1.9785872350085876]
本稿では,水中操作における視覚慣性状態推定のロバスト性問題に対処する。
提案手法では,ロボットの運動学モデルと固有感覚センサを用いてポーズ推定を行う。
ヘルスモニタリングは、2つの推定器間のタイムリーな切り替えを保証するVIOプロセスを追跡する。
論文 参考訳（メタデータ） (2023-04-04T17:46:20Z)
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。