論文の概要: Ultra Low-Power, Lightweight, Probabilistic RSS-Based Path Reconstruction: A System for Landscape-Scale Bee Tracking
- arxiv url: http://arxiv.org/abs/2608.27152v1
- Date: Thu, 27 Aug 2026 14:05:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.438339
- Title: Ultra Low-Power, Lightweight, Probabilistic RSS-Based Path Reconstruction: A System for Landscape-Scale Bee Tracking
- Title（参考訳）: 超低出力・軽量・確率的RSSベースの経路再構成:ランドスケープスケールビー追跡システム
- Abstract要約: ローパワーなローカライゼーション法は、送信された無線周波数信号のAoA(アングル・オブ・アーリバル)を推測するためにRSS(Received Signal Strength)の測定にのみ依存することが多い。
複雑な景観を横断する超軽量・低消費電力移動受信機を追跡するためのRSSベースの新しい手法により,これらの課題に対処する。
- 参考スコア（独自算出の注目度）: 1.0266286487433585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applications in fields such as movement ecology, Internet of Things or robotics share the need for systems that localize devices that are too small and power constrained to implement GNSS (Global Navigation Satellite Systems). Alternative low-power localization methods often rely on only measurements of RSS (Received Signal Strength) to infer the AoA (Angle of Arrival) of a transmitted radio frequency signal, but are limited by range and the power demand of the large number of RSS measurements required to infer an accurate AoA. In this paper we address these issues with a novel RSS-based method for tracking ultra lightweight and low-power moving receivers across a complex landscape, achieved by using a minimal number of RSS measurements from simple rotating high-gain transmitters with a range of 300m, and applying probabilistic modelling to infer their AoA. The receiver's movement path is then modelled using a Gaussian process and reconstructed using doubly stochastic variational inference, resulting in approximately 15m accuracy tracking of receivers weighing 38mg (including power source) over a scalable landscape range while consuming less than 180uW, increased to approximately 10m accuracy at less than 600uW by taking more RSS measurements. We anticipate that this method will support fields such as the behavioural study of flying insect species, which we demonstrate by applying the system to track Bombus terrestris nest return flights.
- Abstract（参考訳）: 運動生態学、モノのインターネット、ロボティクスなどの分野の応用は、GNSS(Global Navigation Satellite Systems)を実装するには小さすぎて電力に制約のあるデバイスをローカライズするシステムの必要性を共有している。
代替の低消費電力ローカライゼーション法は、送信された無線周波数信号のAoA(アングル・オブ・アーリバル)を推定するためにRSS(Received Signal Strength)の測定にのみ依存することが多いが、精度の高いAoAを推定するのに必要とされる大量のRSS測定の電力需要と範囲によって制限されている。
本稿では,300mの範囲の単純な回転高利得送信機からのRSS測定を最小限にし,AoAを推定するために確率的モデリングを適用することで,複雑な景観を横断する超軽量かつ低消費電力の移動受信機を追跡する新しいRSSベースの手法を用いて,これらの課題に対処する。
次に、受信機の移動経路をガウス過程を用いてモデル化し、2倍の確率的変動推定を用いて再構成し、その結果、約15mの精度で受信機が180uW未満を消費し、さらにRSS測定を行うことで約10mの精度に向上した。
本手法は,Bombbus terrestris の巣帰り飛行の追跡に本システムを適用し,飛来昆虫の行動研究などの分野を支援することを期待する。
関連論文リスト
- Compact convolutional neural networks for AI-based drone detection system [0.0]
現代の紛争における一対一のドローンの使用の増加は、コンパクトで信頼性の高い検知システムへの需要を生み出している。
本研究では,ドローン信号の自動検出における軽量畳み込みニューラルネットワークの利用について検討した。
論文 参考訳（メタデータ） (2026-07-17T18:55:28Z) - GSpaRC: Gaussian Splatting for Real-time Reconstruction of RF Channels [18.70495617397063]
無線通信システムにおける適応ビームフォーミングおよびロバストリンクにはチャネル状態情報(CSI)が不可欠である。
本稿では1msの遅延障壁を破る最初の計算であるRFチャネルのリアルタイム再構成のためのガウススプラッティングについて述べる。
論文 参考訳（メタデータ） (2025-11-27T22:42:23Z) - GNSS Jammer Direction Finding in Dynamic Scenarios Using an Inertial-based Multi-Antenna System [0.9495419834771476]
ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する
本稿では,2回のパッチアンテナシステムを用いて,ジャミング源の角度,高さ,距離を推定する。
プラットフォーム運動を用いたコヒーレントな空間画像撮影を可能にする合成開口システムを提案する。
論文 参考訳（メタデータ） (2025-11-23T20:12:36Z) - Efficient SAR Vessel Detection for FPGA-Based On-Satellite Sensing [0.0]
我々は,共通衛星電力制約(10W)内でFPGAベースの処理に特化して最適化されたYOLOv8アーキテクチャを用いて,新しい効率的で高性能なSAR容器検出モデルを開発し,展開する。
検出・分類性能は,2～3桁の規模で,最先端のGPUベースモデルよりわずか2%,3%低かった。
この研究は、より自律的で応答性があり、スケーラブルな地球観測システムを実現するための、時間クリティカルなSAR分析のための、小型で高性能なMLモデルを実証する。
論文 参考訳（メタデータ） (2025-07-07T10:03:31Z) - Rasterizing Wireless Radiance Field via Deformable 2D Gaussian Splatting [10.200300617390013]
無線放射場(WRF)のモデル化は,現代の通信システムの基本である。
任意の位置でWRFスペクトルを合成する変形可能な2DスプレイティングフレームワークであるSwiftWRFを提案する。
実世界と合成室内の両方の実験では、SwiftWRFが既存の最先端の手法よりも500倍早くWRFを再構築できることが示されている。
論文 参考訳（メタデータ） (2025-06-15T09:36:45Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法
提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。
推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
論文 参考訳（メタデータ） (2022-02-01T20:27:46Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - StrObe: Streaming Object Detection from LiDAR Packets [73.27333924964306]
ローリングシャッターのLiDARはパケットのストリームとして出力され、それぞれ360degのカバレッジのセクターをカバーする。
現代の認識アルゴリズムは、データを処理する前に全スイープが構築されるのを待つ。
本稿では,LiDARパケットを取り込み,全スイープが構築されるのを待たずに検出ストリームを出力することで,レイテンシを最小化する新しいアプローチであるStrObeを提案する。
論文 参考訳（メタデータ） (2020-11-12T14:57:44Z)
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。