論文の概要: MoveBench: A Benchmark for Global-Scale Wildlife Movement Forecasting
- arxiv url: http://arxiv.org/abs/2609.15780v1
- Date: Mon, 14 Sep 2026 15:59:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.480989
- Title: MoveBench: A Benchmark for Global-Scale Wildlife Movement Forecasting
- Title（参考訳）: MoveBench: グローバルな野生生物運動予測ベンチマーク
- Abstract要約: MoveBenchは、確率的野生生物移動予測のための最初の大規模ベンチマークである。
127か国で110種にまたがる800以上の個体から260万のGPS位置があり、1.6Bの環境タイルが160のコスを捕獲し、運動に影響を与えると仮定されている。
- 参考スコア（独自算出の注目度）: 5.1145080401320575
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding and predicting wildlife movement is critical for ecology and conservation. While trajectory forecasting has advanced for human and vehicle movement, wildlife trajectories present distinct challenges: they are unconstrained in space, highly stochastic, and influenced by environmental conditions. We introduce MoveBench, the first large-scale benchmark for probabilistic wildlife movement forecasting, containing 2.6M GPS locations from 800+ individuals across 110 species in 127 countries, paired with 1.6B environmental raster tiles capturing 160 covariates known or hypothesized to influence movement. We propose a probabilistic evaluation protocol for movement trajectory forecasts, addressing limitations of point-prediction metrics for inherently stochastic phenomena. Through comprehensive empirical evaluation of four method families across multiple temporal and spatial scales, we reveal that: (1) existing predictive methods generalize better to future timepoints than to unseen individuals, (2) deep learning approaches do not consistently outperform simpler baselines, and (3) environmental covariate selection significantly impacts performance. MoveBench enables standardized evaluation of movement forecasting methods and provides a foundation for methodological advances on this ecologically important task.
- Abstract（参考訳）: 野生生物の移動の理解と予測は生態学と保全にとって重要である。
軌道予測は人や自動車の運動に進歩しているが、野生生物の軌道は空間的に制約されず、高度に確率的であり、環境条件の影響を受けている。
我々は127カ国の110種にまたがる800以上の個体のGPS位置を2.6百万箇所を含む、確率的野生生物の移動予測のための最初の大規模ベンチマークであるMoveBenchを紹介した。
本稿では,運動軌跡予測のための確率的評価プロトコルを提案する。
複数の時間的・空間的尺度にまたがる4つのメソッドファミリーの総合的な実証的評価により,(1)既存の予測手法は,未確認の個人よりも将来的なタイムポイントを一般化し,(2)ディープラーニングアプローチはより単純なベースラインを一貫して上回るものではなく,(3)環境共変量選択が性能に著しく影響を及ぼすことが明らかとなった。
MoveBenchは、運動予測手法の標準化評価を可能にし、この生態学的に重要な課題に対する方法論的進歩の基礎を提供する。
関連論文リスト
- Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。
衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
論文 参考訳（メタデータ） (2026-07-08T18:14:24Z) - ExoTraj: A General Lower-limb Exoskeleton Assistance Policy for Complex Environments [14.416314522849321]
このような問題に対処するための効果的なアプローチの1つとして、軌道予測が登場した。
本稿では,高速な流れマッチング手法を提案する。
実験の結果、従来の手法と比較して、ExoTrajはオンラインフェーズにおいて、オブジェクト間の予測誤差を14.0%削減していることがわかった。
論文 参考訳（メタデータ） (2026-06-15T15:50:29Z) - Feedforward Few-shot Species Range Estimation [61.60698161072356]
特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。
正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない
我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
論文 参考訳（メタデータ） (2025-02-20T19:13:29Z) - EnvPoser: Environment-aware Realistic Human Motion Estimation from Sparse Observations with Uncertainty Modeling [16.899381956112183]
そこで本研究では,VRデバイスからのスパーストラッキング信号と事前スキャン環境を用いて,全体動作推定を行う手法を提案する。
セマンティックな環境制約と幾何的な環境制約を統合することで、これらの多仮説推定を洗練させる。
本手法は,動き-環境相互作用シナリオにおける人間の動き推定の大幅な改善を目立たせ,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-12-13T16:06:46Z) - Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。
我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。
また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
論文 参考訳（メタデータ） (2024-10-14T17:22:55Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Dynamics-Aware Spatiotemporal Occupancy Prediction in Urban Environments [37.00873004170998]
本稿では,ディープネットワークアーキテクチャを用いて2つの機能を統合するフレームワークを提案する。
本手法は実世界のOpenデータセット上で検証され,ベースライン法よりも高い予測精度を示す。
論文 参考訳（メタデータ） (2022-09-27T06:12:34Z) - Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。
我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。
スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
論文 参考訳（メタデータ） (2022-03-25T16:59:08Z) - Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。
既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。
本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
論文 参考訳（メタデータ） (2021-07-29T17:41:34Z)
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。