論文の概要: Underwater Navigation in Unsteady Flows Using Measurement Histories from a Single Sensing Unit
- arxiv url: http://arxiv.org/abs/2609.26753v1
- Date: Tue, 22 Sep 2026 17:34:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-24 01:05:39.772986
- Title: Underwater Navigation in Unsteady Flows Using Measurement Histories from a Single Sensing Unit
- Title（参考訳）: 単センシング装置からの計測履歴を用いた非定常流れの水中航行
- Abstract要約: 我々は、因果オブザーバを用いて、単一のセンシングユニットによって収集された測定の有限履歴から、現在の横速度を推定する。
この仮想センシングインタフェースは,体フレーム周囲の速度にアクセス可能な2次元覚醒シミュレーションにおいて,ロボット中心への3点からの同時流れのサンプリングを低減する。
- 参考スコア（独自算出の注目度）: 1.5749416770494706
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spatial flow measurements support underwater navigation, but distributed sensing is constrained by robot size and sensor layout. We use a causal observer to estimate current lateral velocities from a finite history of measurements collected by a single sensing unit, supplying the inputs of a fixed navigation controller. In two-dimensional wake simulations with access to body-frame ambient velocity, this virtual sensing interface reduces simultaneous flow sampling from three points to the robot center. Trained only in a circular-cylinder wake at Re = 100, the flow-history observer achieves 84.4% and 80.6% success at held-out Re = 205 and 240 without retraining. These rates are 7.4 and 4.6 percentage points below direct spatial sensing and more than 30 points above a matched current-only observer. Past flow remains beneficial when past goal and yaw information is available. Across obstacle geometries, performance remains close to direct sensing in square-prism wakes but declines in triangular-prism wakes. Component replacement identifies the lateral velocity difference as control-relevant, while controlled perturbations reveal sensitivity to error persistence. The results demonstrate the closed-loop utility of single-point flow histories under the assumed observation model.
- Abstract（参考訳）: 空間フローの測定は水中ナビゲーションをサポートするが、分散センシングはロボットのサイズとセンサーレイアウトによって制限される。
我々は、因果オブザーバを用いて、単一のセンシングユニットによって収集された測定の有限履歴から現在の横速度を推定し、固定されたナビゲーションコントローラの入力を供給する。
この仮想センシングインタフェースは,体フレーム周囲の速度にアクセス可能な2次元覚醒シミュレーションにおいて,ロボット中心への3点からの同時流れのサンプリングを低減する。
Re = 100の円柱後流でのみ訓練され、リトレーニングなしで保持されたRe = 205, 240で84.4%、80.6%の成功を収めた。
これらの値は、直接空間センサーより7.4と4.6ポイント低く、一致した電流のみの観測者より30ポイント以上高い。
過去の流れは、過去のゴールとヨー情報が利用可能であるときにも有益である。
障害物地平線を横切ると、正方形プリズムのウェイクでは直接感知されるが、三角形プリズムのウェイクでは低下する。
コンポーネント置換は、横方向の速度差を制御関連性として識別する一方、制御された摂動はエラーの持続性に敏感である。
その結果, 仮定された観測モデルの下では, 単一点フロー履歴の閉ループ有効性を示すことができた。
関連論文リスト
- AquaOrbit: Sim-to-Real Reinforcement Learning for Underwater Target Orbiting under Intermittent Visual Feedback [51.92060148406936]
間欠的な視覚的損失は、水中周回中の目標相対的なフィードバックを妨害する。
AquaOrbitは、水中の目標軌道を周回するリカバリモジュールを備えた強化学習用コントローラである。
論文 参考訳（メタデータ） (2026-09-21T03:29:45Z) - FlowPilot: Real-Time World-Action Modeling for Agile UAV Navigation [18.092834753587454]
FlowPilotは、UAVナビゲーションを深度からリアルタイムに行うための、コンパクトなワールドアクションモデルである。
デュアルストリーム・オブ・トランスフォーマーは、ビデオとアクションの専門家を共通の注意で結合し、将来的な予測と軌跡生成を相互に通知する。
論文 参考訳（メタデータ） (2026-08-01T12:43:31Z) - Learning to Navigate Efficiently with Only 0.58M Trainable Parameters [12.68304107799412]
既知の閉形式構造を持つ操作を解析的に計算し、3つの小さな学習モジュール間のインタフェースとして機能するナビゲーションモデルを提案する。
このシステムは、合計22.7Mパラメータのうちわずか0.58Mを1時間未満で44kフレームでトレーニングするが、ナビゲーションタスクの最先端モデルの性能にアプローチする。
論文 参考訳（メタデータ） (2026-07-13T02:49:55Z) - Hierarchical Flow Decomposition for Turning Movement Prediction at Signalized Intersections [4.885966337065846]
本研究では,階層型ディープラーニングフレームワークであるHFD-TMを提案する。
旋回運動を初めて予測し、その予測を個々の旋回ストリームに拡張することで、旋回運動を予測する。
テネシー州ナッシュビルの6つの交差点回廊から15分間隔のLiDARデータを6ヵ月間評価し、HFD-TMは1インターバルあたり平均2.49台の絶対誤差を達成している。
論文 参考訳（メタデータ） (2026-04-10T14:03:29Z) - UniFlow: Towards Zero-Shot LiDAR Scene Flow for Autonomous Vehicles via Cross-Domain Generalization [46.6187296172395]
我々は多種多様なLiDARセンサに転送する一般的な動きの先行を学習する。
我々は、複数の大規模LiDARシーンフローデータセットを統一し、訓練するフィードフォワードモデルのファミリーであるUniFlowを提案する。
UniFlowは、TruckScenesのような目に見えないデータセットで最先端の精度を実現し、TruckScenes固有のモデルよりも30.1%向上している。
論文 参考訳（メタデータ） (2025-11-23T02:51:42Z) - Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors [41.45395153490076]
本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。
提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。
我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
論文 参考訳（メタデータ） (2025-04-03T09:57:51Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z)
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。