論文の概要: Industrial Kinematic Trajectory Model (IKTM): Coordinate-Free Autoregressive Generator

• arxiv url: http://arxiv.org/abs/2609.22173v1
• Date: Thu, 27 Aug 2026 01:11:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.75647
• Title: Industrial Kinematic Trajectory Model (IKTM): Coordinate-Free Autoregressive Generator
• Title（参考訳）: 産業用運動軌道モデル(IKTM:Coordinate-free Autoregressive Generator)
• Abstract要約: 既存の軌道モデルは絶対座標、道路ネットワークトークン、意味表現に依存している。 本稿では,座標自由軌道生成装置であるIndustrial Kinematic Trajectory Model (IKTM)を紹介する。 IKTMは、絶対空間参照のない運動論的シーケンスによる産業車両の動きを表す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobility simulation supports logistics, safety, and communications planning in industrial environments such as ports, mines, and airports. Existing trajectory models, however, rely on absolute coordinates, road-network tokens, or semantic zones: representations that are site-specific and not well suited to unstructured industrial terrain. We introduce the Industrial Kinematic Trajectory Model (IKTM), a coordinate-free trajectory generator that represents industrial vehicle motion through kinematic sequences (speed and heading change) with no absolute spatial reference. IKTM uses an autoregressive causal transformer with probabilistic mixture heads and extends our prior coordinate-free Markovian model with deep sequence modelling and an explicit duration-conditioning signal. Trained on one site and evaluated zero-shot on three unseen sites, it matches the small-turn shape of the empirical turn-rate distributions of held-out telematics; across all four sites, the per-site mean Jensen-Shannon divergence over 100 sampling seeds spans approximately 0.035-0.050 bits under an oracle-length duration-target protocol and approximately 0.032-0.042 bits under a fully zero-shot prior-length protocol, with similar ranges whether out-of-distribution (OOD) duration targets are drawn from each held-out site's empirical length distribution or from the Site A prior. Both protocols stay above the metric's sampling-noise floor (<=0.0049 bits). Paired by site, the oracle-length values are 5.3-6.0x lower than those of a re-implementation of our prior Markovian model under the same 1 Hz protocol. Termination is duration-conditioned rather than spatial: rollouts stop on 100% of trials with a length-tracking error of +0.0 +/- 0.0 s against the sampled target (100 of 100 exactly on target; N=100, T=0.2, untouched in-distribution test split).
• Abstract（参考訳）: モビリティシミュレーションは、港、鉱山、空港などの産業環境における物流、安全、通信計画を支援する。 しかし、既存の軌道モデルは絶対座標、道路ネットワークトークン、セマンティックゾーンに依存している。 Industrial Kinematic Trajectory Model (IKTM) は, 絶対空間参照のない速度変化と方向変化による産業車両の運動を表現する座標自由軌道生成器である。 IKTMは、確率的混合ヘッドを持つ自己回帰因果変換器を使用し、ディープシークエンスモデリングと明示的な持続条件信号を用いて、我々の事前座標自由マルコフモデルを拡張する。 1つのサイトで訓練され、3つの未確認サイトにおいてゼロショットが評価され、実験的なターンレート分布の小さなターン形状と一致している。全4サイトにおいて、100以上のサンプリング種子の平均Jensen-Shannon分散は、約0.035-0.050ビットで、全ゼロショット前長プロトコルでは約0.032-0.042ビットで、それぞれが保持されたサイトの長さ分布から、またはサイトAの前長分布から、同様の範囲で抽出されている。 両方のプロトコルは、メートル法のサンプリングノイズフロア(=0.0049ビット)の上に留まる。 サイトによって評価されたオラクル長値は、同じ1Hzのプロトコルの下でのマルコフモデルの再実装よりも5.3-6.0倍低い。 ロールアウトは100%の試験で、サンプリングされたターゲットに対して+0.0 +/- 0.0 sの長追跡誤差で停止する(100の100は正確にターゲットで、N=100, T=0.2は非配布試験である)。

関連論文リスト

• NS3Learn: Transferring 5G NR Mode-2 Reception Realism from ns-3 to the Veins/SUMO Stack for Connected-Vehicle Safety Assessment [3.5498205810713035]
  本研究は、完全なプロトコル再構成を必要とせずに、リソース競合損失を導入する。 ns-3 5G-LENAによる1050万の結果をNS3Learnに適合させた。 現実的な通信モデルを使用することで、シミュレートされたトラフィック速度トレンドと、予測された2倍以上のハードブレーキイベントが逆転した。
  論文  参考訳（メタデータ） (2026-09-17T15:35:42Z)
• Schema-Adaptive Action-Conditioned JEPA for Cross-Machine CNC Transfer under Partial Sensor Overlap [0.0]
  産業の世界モデルのクロスマシン展開には、ダイナミックス、センシングインターフェース、サンプリングレジーム、制御ユニットの変更をまたぐ移動が必要である。 CNC力学のためのスキーマ適応型動作条件付き共同組込み予測アーキテクチャ (SAAC-JEPA) について検討する。 評価には、グループ分離ソース分割、ソースのみの正規化、自己監督型バリデーションの保持、ユニット監査、モデルロック後のシールされたターゲットテストを使用する。
  論文  参考訳（メタデータ） (2026-09-13T15:10:06Z)
• Diffusion models for eye-gaze trajectory generation using position and velocity representations [39.577682622066256]
  アイトラッキングデータは収集に費用がかかり、特別なハードウェアと制御された実験室条件が必要であり、プライバシー上の制約のために共有が困難である。 本研究では2つの相補的拡散確率モデル(DDPM)を用いて、視覚探索データから視線力学を無条件に生成する。
  論文  参考訳（メタデータ） (2026-09-01T07:53:11Z)
• PhaseShift: Topology-Aware Data Harmonization and Model Consolidation Across Signalized Intersections [7.890686084519088]
  PhaseShiftは、異種道路側軌跡を共有アクター中心の表現に調和させるトポロジ対応フレームワークである。 フロリダ州の2地域の5つの交差点を,バランスの取れたフィールドデータ,100kのトレーニングウィンドウ,同規模のテストセットを用いて評価した。
  論文  参考訳（メタデータ） (2026-08-26T01:22:49Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• A multimodal Transformer for InSAR-based ground deformation forecasting with cross-site generalization across Europe [3.3295066998131637]
  EGMS時系列からの変位マップの1段階, 固定区間次エポシック・コンポーティングのためのパッチベースの変換器を提案する。 このモデルは、トレーニングウィンドウからのみリークセーフな方法で計算された静的運動指標(平均速度、加速度、季節振幅)とともに、最近の変位スナップショットを取り込みます。 一方、STGCNはCNN-LSTM、CNN-LSTM+Attn、Multimodal STGCNよりも明らかに優れている。
  論文  参考訳（メタデータ） (2025-12-30T00:07:36Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)
• Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
  自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。 車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。 我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
  論文  参考訳（メタデータ） (2023-12-07T18:53:27Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for Multi-Robot Systems [92.26462290867963]
  Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。 我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
  論文  参考訳（メタデータ） (2021-06-28T03:56:40Z)

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。