論文の概要: A Distributed Consensus Particle Filter for Target Tracking using Autonomous Surface Vessels

• arxiv url: http://arxiv.org/abs/2609.09066v1
• Date: Tue, 08 Sep 2026 17:20:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 14:57:16.129779
• Title: A Distributed Consensus Particle Filter for Target Tracking using Autonomous Surface Vessels
• Title（参考訳）: 自動表面容器を用いた目標追尾用分散コンセンサス粒子フィルタ
• Abstract要約: 本稿では,粒子を戦略的に拡散させることにより,この潜在的な誤差の原因を考慮に入れた古典的粒子フィルタの実装を提案する。 湖沼における無人表面容器 (USV) を用いた手法を実証し, 拡張が名目上の性能を損なわないことを示すとともに, 特定のエッジケースにおいて有利であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Maritime target tracking over large distances often requires multi-agent teams without centralized coordination, and intermittent communication. Each agent must maintain an independent estimate that can take advantage of opportunistic communications availability when possible. This can lead to overly confident local estimates in the absence of external data. In this work, we propose an augmentation to a classical particle filter implementation that accounts for this potential source of error by forcing particles to spread strategically in the absence of informative updates from other sensor nodes. We demonstrate our method using Unmanned Surface Vessels (USVs) on a lake, and show that our augmentations do not deteriorate nominal performance, and provide an advantage in some specific edge cases.
• Abstract（参考訳）: 長距離での海上目標追跡には、集中的な調整や断続的なコミュニケーションを伴わないマルチエージェントチームが必要となることが多い。 各エージェントは、可能であればオポチュニティ通信の可用性を活用できる独立した推定値を維持する必要がある。 これは外部データがない場合に、過度に自信を持った局所的な推定につながる可能性がある。 本研究では,他のセンサノードからの情報更新がない場合に,粒子を戦略的に拡散させることにより,この潜在的なエラー源を考慮に入れた古典的な粒子フィルタの実装を提案する。 湖沼における無人表面容器 (USV) を用いた手法を実証し, 拡張が名目上の性能を損なわないことを示すとともに, 特定のエッジケースにおいて有利であることを示す。

関連論文リスト

• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• Belief-Conditioned One-Step Diffusion: Real-Time Trajectory Planning with Just-Enough Sensing [1.6984211127623137]
  我々は、10ミリ秒の前方通過で短水平軌道を返す最初のプランナーであるBelief-Conditioned One-Step Diffusion (B-COD)を提示する。 この1つのプロキシは、ソフト・アクター・クリティカルがオンラインでセンサーを選択するのに十分であり、ポーズ・コ・グロースを束縛しながらエネルギーを最適化することを示している。
  論文  参考訳（メタデータ） (2025-08-16T21:34:16Z)
• Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
  信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。 半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。 ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2024-06-06T06:12:15Z)
• Collaborative Optimization of the Age of Information under Partial Observability [34.43476648472727]
  Age of Information (AoI)は、受信側におけるセンサーと制御データの鮮度である。 我々は、容量制限の非FIFO二重チャネルを共有する多数のセンサエージェントに対して、分散AoI最小化伝送ポリシーを考案する。 また、平均場制御近似と強化学習を利用して、スケーラブルで最適なソリューションを導出する。
  論文  参考訳（メタデータ） (2023-12-20T12:34:54Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• Nonparametric Spatio-Temporal Joint Probabilistic Data Association Coupled Filter and Interfering Extended Target Tracking [5.485511147274347]
  拡張された目標追跡は、空間と時間における目標の遠心率と形状を推定する。 拡張目標追跡が適用可能なさまざまな状況において、複数のターゲットの存在が干渉を引き起こす可能性がある。 JPDACFのバリエーションは、拡張ターゲットの問題に対処するために開発された。
  論文  参考訳（メタデータ） (2023-08-22T13:39:20Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
  我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。 従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。 本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
  論文  参考訳（メタデータ） (2022-10-05T13:13:35Z)
• Wireless Federated Learning with Limited Communication and Differential Privacy [21.328507360172203]
  本稿では,空力計算(AirComp)に基づくフェデレーション学習(FL)モデルにおいて,リモートユーザにおけるローカルデータセットの効率的な通信と差分プライバシー(DP)における次元性低減の役割について検討する。
  論文  参考訳（メタデータ） (2021-06-01T15:23:12Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)

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。