論文の概要: Rad-R: A Raw-ADC Radar Dataset and Capture-Invariant SSM for Hardware-Fault Diagnosis

• arxiv url: http://arxiv.org/abs/2608.30896v2
• Date: Wed, 09 Sep 2026 05:27:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 15:10:00.792643
• Title: Rad-R: A Raw-ADC Radar Dataset and Capture-Invariant SSM for Hardware-Fault Diagnosis
• Title（参考訳）: Rad-R:ハードウェアフォールト診断のためのRAW-ADCレーダデータセットとキャプチャ不変SSM
• Authors: Mainak Mallick, Junghwan Yim, Alankrit Gupta, Seung-Kyum Choi,
• Abstract要約: 自動車用mmWaveレーダーは、振動、アンテナのずれ、ラドム遮断、受信チャネル劣化を発生させることができる。 我々は、4チップ77GHz TI MMWCAS-RF-EVMカスケードでキャプチャした生ADCデータセットRad-Rを紹介する。 既存の生レーダーデータセットとは異なり、Rad-Rは各記録と制御されたハードウェア故障を調整された重大度でペアリングする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automotive mmWave radar can develop vibration, antenna misalignment, radome blockage, and receive-channel degradation that corrupt the signal before perception begins. Data for these faults are scarce because each condition must be induced and measured on physical hardware. We introduce Rad-R, a raw-ADC dataset captured with a 4-chip 77GHz TI MMWCAS-RF-EVM cascade (192 virtual channels). Unlike existing raw-radar datasets, Rad-R pairs each recording with a controlled hardware fault at a calibrated severity, an independent physical severity measurement, and frame-synchronised IMU, temperature, GPS, and camera streams. Rad-R is a single-session dataset, so our generalisation claims are confined to a controlled cross-severity protocol in which train and test use physically distinct captures. A reproducible benchmark evaluates seven representative vision backbones and the proposed raw-IQ Mamba SSM (RadrNet) under within-clip, chirp-wise anytime, few-shot cross-capture, and controlled cross-severity protocols. Within-clip performance is near-saturated ($>0.98$ macro-F1), whereas cross-severity generalisation remains difficult: the absolute-phase RadrNet-DS falls to $0.49$ macro-F1. RadrNet-DS-CI replaces absolute phase with per-frame-standardised magnitude and relative chirp-to-chirp phase and ranks first on the controlled benchmark ($0.663$ vs. $0.628$ for the strongest RD-CNN; three seeds); the RadrNet family also leads on the anytime and few-shot budgets. A descriptive cross-modal analysis further finds that radar micro-Doppler covaries with independently measured IMU vibration energy (pooled Spearman $ρ=0.41$ across conditions). The complete dataset and code will be released publicly under permissive licences.
• Abstract（参考訳）: 自動車用mmWaveレーダーは、知覚が始まる前に信号を劣化させる振動、アンテナのずれ、ラドム遮断、受信チャネル劣化を発生させることができる。 これらの障害のデータは、物理ハードウェア上で各条件を誘導し、測定する必要があるため、少ない。 我々は、4チップ77GHz TI MMWCAS-RF-EVMカスケード(192仮想チャネル)でキャプチャした生ADCデータセットRad-Rを紹介する。 既存の生レーダーデータセットとは異なり、Rad-Rは各記録と制御されたハードウェア障害を調整された重大度、独立した物理的重大度測定、フレーム同期IMU、温度、GPS、カメラストリームでペアリングする。 Rad-Rはシングルセッションのデータセットなので、私たちの一般化の主張は、列車とテストが物理的に異なるキャプチャを使用する、制御されたクロスシーバリティプロトコルに限定されます。 再現可能なベンチマークでは、7つの代表的な視覚バックボーンと提案された生のIQ Mamba SSM(RadrNet)をインサイクリング、チャープワイド、数発のクロスキャプチャ、制御されたクロスシーバリティプロトコルで評価する。 一方、絶対位相 RadrNet-DS は 0.49$ macro-F1 となる。 RadrNet-DS-CIは絶対位相をフレーム単位で標準化された等級と相対的なチャープ・トゥ・チャープ・フェーズに置き換え、制御されたベンチマーク(0.663$ vs. 0.628$ for the highest RD-CNN; three seed)にランク付けする。 記述的なクロスモーダル解析により、独立に測定されたIMU振動エネルギーを持つレーダーマイクロドップラー共振器(Spearman $ρ=0.41$)が、条件によってさらに発見された。 完全なデータセットとコードは、パーミッシブライセンスの下で公開されている。

関連論文リスト

• mmIR: Frequency-Space Inverse Rendering for 3D Millimeter-Wave Radar ADC Synthesis [18.777328493392762]
  我々は,高分解能な3次元レーダデータを合成するために,高密度仮想開口からの実撮と再レンダリングを行う物理モデルに適合する,オープンソースの微分可能周波数変調型連続波レーダmmIRを提案する。 レーダー分解能は幾何を直接復元するには大きすぎるため、mmIRはLiDARから派生したメッシュを幾何学的な足場としてLiDAR支援逆レンダリングを行う。 7つの屋外および6つの屋内ColoRadarシーンにおいて、mmIRは、Sionna-RTの0.307に対して、レンジアジマスマップのパーソン相関平均0.914を達成する。
  論文  参考訳（メタデータ） (2026-08-28T22:21:47Z)
• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• Boundary-Aligned Contribution Routing for Robust Optical--SAR Object Detection [8.665369041430969]
  光-SAR融合はリモートセンシングオブジェクト検出に魅力的である。 しかし、不完全な空間的、時間的、意味的な対応は、不完全なストリームを条件付きで有害にすることができる。 我々は,検出監視のみを用いてタスク条件付きコントリビューションルーティングを学習する。
  論文  参考訳（メタデータ） (2026-08-15T14:37:23Z)
• FogDrive: A Multi-Modal Synthetic Driving Dataset for Perception under Graded Fog [0.0]
  データ中心のエンジニアリングと堅牢な機械学習をブリッジする、厳格に校正されたデータセットであるFogDriveを紹介します。 FogDriveには、4つの同期カメラ(RGB、深さ、セマンティックセグメンテーション)、LiDARとセマンティック-LiDARペア、フロントレーダの660のシーンが含まれている。 物理的に一貫した霧は、3つの校正された視界でカメラチャンネルとLiDARチャンネルを独立にモデル化する。 8k画像に対するセマンティックセグメンテーションに基づく品質監査では、アノテーションは95.1%の精度で、40m以内の車のリコールは99%以上である。
  論文  参考訳（メタデータ） (2026-07-18T06:53:56Z)
• Two kinds of robustness are not the same: disentangling fault tolerance and low-SNR robustness in multi-domain event detection on real data [0.0]
  イベント検出は、CCSと地熱活動、分散音響センシング(DAS)、産業状況監視のための誘導地震モニタリングの基盤となる。 我々は3つの物理的に異なる実情報源から統合されたバイナリイベント検出ベンチマークを組み立てる。 標準検出器に対するサンプルごとのセンサドロップアウトで訓練した耐故障性検出器の評価を行った。
  論文  参考訳（メタデータ） (2026-06-28T11:14:20Z)
• Sim2Real Deep Transfer for Per-Device CFO Calibration [23.830491251004513]
  既存のディープニューラルネットワーク(DNN)ベースのアプローチでは、デバイスレベルの適応が欠如しており、実際のデプロイメントが制限されている。 本稿では、シミュレーション駆動プレトレーニングと軽量レシーバ適応を組み合わせた、デバイス毎のCFO校正のためのSim2Real転送学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-15T10:36:33Z)
• Towards Foundational Models for Single-Chip Radar [49.896124982717716]
  mmWaveレーダーは小型で安価で耐久性のあるセンサーで、天気や暗闇といった環境条件によらず機能する。 これは角分解能の低さ、特に自動車や屋内センサーの用途で一般的に使用される安価な単チップレーダーのコストが伴う。 我々は、4Dシングルチップレーダーの基本モデルを訓練し、3D占有率とセマンティックセマンティックセグメンテーションを、高解像度センサーでのみ可能な品質で予測できる。
  論文  参考訳（メタデータ） (2025-09-15T22:06:17Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Few-Shot Radar Signal Recognition through Self-Supervised Learning and Radio Frequency Domain Adaptation [48.265859815346985]
  レーダー信号認識は電子戦(EW)において重要な役割を果たす 近年のディープラーニングの進歩は、レーダー信号認識の改善に大きな可能性を示している。 これらの手法は、注釈付き無線周波数(RF)データが少ない、あるいは入手できないEWシナリオでは不十分である。
  論文  参考訳（メタデータ） (2025-01-07T01:35:56Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)

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。