論文の概要: Residual Kalman Dynamics for Event-Based UAV Forecasting

• arxiv url: http://arxiv.org/abs/2609.00839v1
• Date: Tue, 01 Sep 2026 07:38:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.437922
• Title: Residual Kalman Dynamics for Event-Based UAV Forecasting
• Title（参考訳）: イベントベースUAV予測のための残留カルマンダイナミクス
• Authors: Per Nyblom, Hannes Ovrén, David Gustafsson,
• Abstract要約: FREDイベントカメラデータセットを用いて,短・中・水平UAVバウンディングボックスの予測について検討した。 定速度カルマンフィルタを全中心サイズボックス状態上を強力な物理ベースラインとして用いる。 残像の一部がアンカー位置と速度のみから予測可能であることを示し、正準FRED結果が視覚的エビデンスとデータセット固有の動作先行を反映できることを示す。
• 参考スコア（独自算出の注目度）: 2.0391237204597363
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study short- and mid-horizon UAV bounding-box forecasting on the FRED event-camera dataset. We use a constant-velocity Kalman filter over a full center-size box state as a strong physical baseline, and train a residual model to predict acceleration-like corrections from recent box history, filtered state features, and local event representations. This simple residual formulation consistently improves over the Kalman baseline, with event-conditioned models giving the strongest results among the evaluated methods. We further show that part of the residual target is predictable from anchor position and velocity alone, indicating that canonical FRED results can reflect both visual evidence and dataset-specific motion priors. To analyze this effect, we introduce decorrelated subsets as a diagnostic stress test, showing that event-conditioned residual models retain useful predictive signal even when measured position- and velocity-based shortcuts are weakened.
• Abstract（参考訳）: FREDイベントカメラデータセットを用いて,短・中・水平UAVバウンディングボックスの予測について検討した。 定速度カルマンフィルタを全中心の大きさのボックス状態上に強力な物理ベースラインとして使用し、残差モデルをトレーニングして、最近のボックス履歴、フィルタ状態特徴、局所イベント表現からアクセラレーションのような補正を予測する。 この単純な残留定式化はカルマン基底線よりも一貫して改善され、事象条件付きモデルは評価された方法の中で最強の結果を与える。 さらに、残像の一部がアンカー位置と速度のみから予測可能であることを示し、正準FRED結果が視覚的エビデンスとデータセット固有の動作先行の両方を反映できることを示す。 この効果を解析するために,非相関部分集合を診断ストレステストとして導入し,測定位置と速度に基づくショートカットが弱まった場合でも,事象条件の残差モデルが有用な予測信号を保持することを示した。

関連論文リスト

• Behavioral Latency as Weak Event-Time Supervision for EEG Reaction-Time Decoding [8.835986135254549]
  単回脳波分析はイベントやレイテンシを中心に行われることが多いが、EEGベースの反応時間(RT)予測は固定された刺激ロックウィンドウ上でスカラー回帰として表される。 ここでは、事象時間後部モデリングとして試行的RTデコーディングを再構成する。 そこで我々は,Healthy Brain Networkのコントラスト変化検出EEGタスクにおいて,この定式化を評価した。
  論文  参考訳（メタデータ） (2026-08-29T20:18:03Z)
• STEP: Score-Based Temporal Energy for Human Pose Video Anomaly Detection [13.87765205634944]
  Skeletonベースのビデオ異常検出(VAD)は、異常な振る舞いを識別するための堅牢でプライバシー保護のソリューションを提供する。 最近のDSM(Denoising Score Matching)によるエネルギーベースモデル(EBM)の訓練方法 しかし、トレーニングに必要なノイズを直接生の関節座標に注入すると、物理的に不可能なポーズが生じる。 本稿では、主成分分析(PCA)を利用して、コンパクトで白化されたPC空間にポーズ列を投影するシンプルなフレームワークSTEPを紹介する。
  論文  参考訳（メタデータ） (2026-08-20T13:02:19Z)
• Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation [0.0]
  動的環境における無人航空機はテレメトリーの停止、構造振動、状態依存ノイズに直面している。 我々は、スカラーパラメータをベクトル値のメモリ減衰ポリシーに置き換えるN-Deep Recurrent Sage-Husa Filter (NDR-SHKF)を導入する。 分岐アーキテクチャは、浅い再帰状態をルートし、瞬間的なセンサ異常と深い状態を捕捉し、持続的な動的傾向を符号化する。
  論文  参考訳（メタデータ） (2026-05-18T17:38:13Z)
• CaC: Advancing Video Reward Models via Hierarchical Spatiotemporal Concentrating [49.94171749437024]
  本稿では,ビジョンランゲージモデルに基づく粗大な異常報酬モデルである集中と集中(CaC)を提案する。 フレーム単位のバウンディングボックスアノテーション,時間的異常ウィンドウ,微粒な属性ラベルを備えた,最初の大規模ビデオ異常データセットを構築した。 実験では、CaCは微妙な異常に安定して集中することができ、微細な異常ベンチマークの精度が25.7%向上した。
  論文  参考訳（メタデータ） (2026-05-12T08:08:33Z)
• Adversarial Robustness of Deep State Space Models for Forecasting [22.283866173947278]
  時系列予測のための状態空間モデル(SSM)は、ベンチマークデータセット上で強力な経験的性能を示した。 まず、デコーダのみの時空アーキテクチャが、基礎となるデータ生成プロセスが自己回帰的である場合、最適なカルマン予測を表現できることを確かめる。 我々は,各脆弱性を増幅するオープンループ不安定性,クローズループ不安定性,デコーダ状態次元を明らかにする逆予測誤差の閉形式境界を導出する。
  論文  参考訳（メタデータ） (2026-04-03T19:53:58Z)
• Mitigating Error Accumulation in Continuous Navigation via Memory-Augmented Kalman Filtering [20.380488628232186]
  無人航空機(UAV)にとって連続航法は重要である 既存のVision-Language Navigation (VLN) モデルはデッドレコンディングに従っており、次のウェイポイント予測のためにその位置を反復的に更新し、その後に完全な軌道を構築する。 本研究では,ナビゲーションを2つの補完的なプロセスに分解する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-30T05:03:08Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)

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。