論文の概要: GAUGE: Planner-Conditioned Active Calibration of Opaque Quadruped Velocity Interfaces

• arxiv url: http://arxiv.org/abs/2609.32154v1
• Date: Sat, 26 Sep 2026 02:16:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 19:29:38.316455
• Title: GAUGE: Planner-Conditioned Active Calibration of Opaque Quadruped Velocity Interfaces
• Title（参考訳）: GAUGE:Opaque QuadrupedVelocity Interfaceのプランナによるアクティブキャリブレーション
• Abstract要約: 本稿では,4重化速度インタフェースのプランナー条件付きアクティブキャリブレーションのためのフレームワークを提案する。 GAUGEはベイズコマンド・トゥ・モーションモデルを維持しており、後続の不確実性の低減を期待して承認された試行を選択する。 これは、受動的、D-最適、タスク非依存の選択肢よりも少ない試行で、タスク対応の正確さと不確実性のための共同基準に達する。
• 参考スコア（独自算出の注目度）: 9.467297783179744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a Goal-Aware Uncertainty-Guided Exploration (GAUGE) framework for planner-conditioned active calibration of opaque quadruped velocity interfaces. Commercial quadrupeds commonly expose planar-velocity commands, but the underlying locomotion controller remains inaccessible and can produce systematic discrepancies between commanded and realized motion. A navigation planner typically uses a structured subset of the command envelope. GAUGE maintains a Bayesian command-to-motion model and selects authorized trials according to their expected reduction of posterior epistemic uncertainty under the planner-induced command distribution. The resulting posterior supports validation-based stopping, bounded inverse compensation, and task-relevant recalibration after detected interface shifts. In three controlled response families, GAUGE reaches the joint criterion for task-facing accuracy and uncertainty with fewer trials than passive, D-optimal, and task-agnostic alternatives. Across six held-out Isaac Sim navigation maps, it meets the declared noninferiority margins against dense calibration. Code is available at https://github.com/EurekaZang/CalibAgent.
• Abstract（参考訳）: 本稿では,不透明な4つの速度インタフェースのプランナー条件付きアクティブキャリブレーションのためのゴールアウェア不確実性ガイド探索(GAUGE)フレームワークを提案する。 商業的な四足歩行は一般に平面速度コマンドを公開するが、根底にある移動制御器はアクセス不能であり、命令と実現された動作の系統的な相違を生じさせる。 ナビゲーションプランナーは通常、コマンドエンベロープの構造化サブセットを使用する。 GAUGEはベイズコマンド・トゥ・モーションモデルを維持しており、プランナーによって誘導される指令分布の下での先天的不確実性の低減に応じて承認された試行を選択する。 その結果、後続処理は、検出されたインターフェースシフト後のバリデーションベースの停止、バウンド逆補償、タスク関連リカレーションをサポートする。 GAUGEは3つの制御された応答ファミリーにおいて、受動的、D-最適、タスク非依存の選択肢よりも少ない試行で、タスク対応の精度と不確実性について共同基準に達する。 アイザック・シム(Isaac Sim)のナビゲーションマップが6つあり、厳密なキャリブレーションに対する不便さのマージンと一致している。 コードはhttps://github.com/EurekaZang/CalibAgent.comで入手できる。

関連論文リスト

• Prescribed-Time Contracting-Boundary Control of a Tendon-Driven Flexible Arm [10.239888118988764]
  本研究では, 単セグメントフレキシブルアームの曲率追跡のための所定の時間性能形状制御法を開発した。 直交構成において、未定義の曲げ方向を避けるために、カルテの曲率表現を導入する。 立方体性能境界は、初期許容誤差から所定時間以内の非ゼロ終端精度にスムーズに収縮する。
  論文  参考訳（メタデータ） (2026-09-19T11:28:06Z)
• Nonlinear Model Predictive Control via Sequential Convex Programming for Drone-to-Drone Docking [0.0]
  本研究は, ドッキングタスクを外乱状態が拡張された低次非線形モデルに基づいて, 有限水平最適制御問題として定式化する。 その結果, 動的に実現可能なドッキング軌道を生成するために, 後退水平フレームワーク内での逐次凸プログラミングを用いて問題を解く。
  論文  参考訳（メタデータ） (2026-08-11T06:27:45Z)
• BOUND: Brief-Guided Corrective Preference Distillation at Search-Control Boundaries [82.41764922522565]
  BOUNDは、永続的な探索ドリフトのための短いガイド付き修正選好蒸留フレームワークである。 Trajectory SFT は Bamboogle で 5.6 EM 、BrowseComp-Plus で 4.8 の精度で上回っている。
  論文  参考訳（メタデータ） (2026-08-09T15:32:16Z)
• CoCoNav: Conformal Control for Safe Robot Navigation in Crowds [12.172167017799502]
  オンラインコンフォメーションキャリブレーションと実行時認証計画を組み合わせたクラウドナビゲーションフレームワークであるtextitCoNavを提案する。 水平比例比例制御器は軌道誤差境界に適応し、長期の経験的カバレッジを調節する。 textitrelax-then-verify Plannerは、ソフト制約されたMPCで名目軌道を生成することにより、ソルバ実現性を維持する。
  論文  参考訳（メタデータ） (2026-08-07T20:34:52Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
  我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。 本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
  論文  参考訳（メタデータ） (2025-03-14T17:59:41Z)
• Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
  教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。 最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。 本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
  論文  参考訳（メタデータ） (2023-07-28T09:03:06Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)

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。