論文の概要: Edge-Assisted Multi-View Localization for Low-Altitude Economy under GPS-Challenged Environments
- arxiv url: http://arxiv.org/abs/2609.35173v2
- Date: Sat, 03 Oct 2026 08:16:51 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 21:06:58.303284
- Title: Edge-Assisted Multi-View Localization for Low-Altitude Economy under GPS-Challenged Environments
- Title（参考訳）: GPS環境下における低高度経済のためのエッジ支援多視点局地化
- Abstract要約: 低高度経済に貢献する無人航空機(UAV)は、都市キャニオン、屋内施設、その他のGPS対応の環境において、信頼性の高い位置決めを必要としている。
ジオタグデータベースとのビジュアルマッチングは、絶対位置決めのための代替ソースを提供するが、オンボード計算とエネルギー制限により、データベースとマッチングパイプラインをエッジサーバにオフロードする動機がある。
本稿では、スケーラブルな変動情報ボトルネック(O-VIB)符号化、VOI誘導要求制御、値認識エッジスケジューリングを組み合わせた、ネットワーク適応型エッジ支援マルチビューローカライゼーションフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 20.33280799201407
- License:
- Abstract: Unmanned aerial vehicles (UAVs) serving the low-altitude economy require reliable localization in urban canyons, indoor facilities, and other GPS-challenged environments. Visual matching with a geo-tagged database provides an alternative source for absolute positioning, but onboard computation and energy limits motivate offloading the database and matching pipeline to an edge server. The resulting localization quality depends on what visual information can reach the edge in time under varying wireless-communication and edge-computing resources. In this paper, we propose a network-adaptive edge-assisted multi-view localization framework that combines scalable orthogonality-regularized variational information bottleneck (O-VIB) encoding, value-of-information (VOI)-guided request control, and value-aware edge scheduling. We design an O-VIB model that supports nested latent prefixes from 8 to 128 dimensions and four UAV view modes. Each UAV requests edge assistance when the predicted localization-risk reduction exceeds the communication and service costs. On CARLA multi-view UAV data, VOI-guided control can lower the mean and 95th-percentile (p95) route errors by 24.8% and 31.0%, respectively, relative to budgeted periodic offloading under a matched per-route traffic budget. In indoor UAV experiments with motion-capture ground truth, our design can lower the mean position error by 28.0% relative to uncompressed all-view CLIP retrieval while cutting the descriptor traffic by 98.6%, using a 0.145 KB semantic representation. Under high congestion, a VOI-weighted scheduler with waiting-age and deadline shaping can lower the edge-side p95 latency of the top-10% high-value requests from 137.7 ms to 32.8 ms.
- Abstract（参考訳）: 低高度経済に貢献する無人航空機(UAV)は、都市キャニオン、屋内施設、その他のGPS対応の環境において、信頼性の高い位置決めを必要としている。
ジオタグデータベースとのビジュアルマッチングは、絶対位置決めのための代替ソースを提供するが、オンボード計算とエネルギー制限により、データベースとマッチングパイプラインをエッジサーバにオフロードする動機がある。
結果として得られるローカライゼーションの品質は、様々な無線通信とエッジコンピューティングリソースの下で、どの視覚情報がエッジに到達できるかに依存する。
本稿では,スケーラブルな直交正規化変動情報ボトルネック(O-VIB)符号化,VOI誘導要求制御,および値認識エッジスケジューリングを組み合わせた,ネットワーク適応型エッジ支援多視点ローカライゼーションフレームワークを提案する。
我々は,8次元から128次元の潜伏プレフィックスと4つのUAVビューモードをサポートするO-VIBモデルを設計した。
それぞれのUAVは、予測されたローカライゼーションリスクの低減が通信とサービスコストを超えたときにエッジアシストを要求する。
CARLAマルチビューUAVデータでは、VOI誘導制御により平均95パーセント(p95)の経路誤差を24.8%と31.0%に下げることができる。
屋内UAV実験において, 平均位置誤差を, 圧縮されていない全ビューCLIP検索と比較して28.0%低減し, ディスクリプタのトラフィックを98.6%削減し, 0.145KBのセマンティック表現を用いた。
高混雑下では、ウェイトエイジとデッドラインシェーピングを備えたVOI重み付きスケジューラは、上位10%の高価値要求のエッジサイドのp95レイテンシを137.7msから32.8msに低下させることができる。
関連論文リスト
- Modality-Decoupled Federated Learning for Privacy-Preserving Embodied Intelligence in 6G [90.42669277637026]
第6世代(6G)無線ネットワークは、大規模なインボディードインテリジェンスのための重要な基盤を提供すると期待されている。
本稿では、6Gネットワークにおけるプライバシー保護型インテリジェンスのためのモダリティ分離FLフレームワークであるFedMVLAを提案する。
論文 参考訳（メタデータ） (2026-09-09T01:36:44Z) - A VAE-Driven Multi-Task Satellite-Aided Semantic Communication Framework for 6G-Enabled Connected Autonomous Vehicles [51.449502491030756]
衛星支援自動運転のためのマルチタスク・セマンティック・コミュニケーション・フレームワークを提案する。
このフレームワークは、両方のタスクを共同で最適化するために、エンドツーエンドで訓練されている。
提案手法は,87.23%から98.17%までの帯域幅削減を実現している。
論文 参考訳（メタデータ） (2026-07-15T06:49:41Z) - Spatio-Temporal Scheduling Prediction Under Backhaul Delay for Resilient Coordinated Beamforming [2.6199192690853255]
分散5Gネットワークにおけるビームフォーミングはセル間スケジューリング情報のタイムリーな交換に依存する。
単一の伝送時間間隔(TTI)であっても、未調整のベースライン以下ではCBF-SLNR性能が低下する可能性がある。
本稿では、スペクトル時間グラフニューラルネットワーク(StemGNN)が、遅延した歴史的観測から将来のユーザ機器(UE)スケジューリング状態を予測できる2段階予測フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-09T13:17:22Z) - LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。
しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。
本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
論文 参考訳（メタデータ） (2026-06-26T09:11:59Z) - Scalable Transit Delay Prediction at City Scale: A Systematic Approach with Multi-Resolution Feature Engineering and Deep Learning [1.065661841579261]
既存の遅延予測システムは、手作りの機能に依存し、再利用可能なアーキテクチャを設計する方法についてはほとんどガイダンスを提供していない。
本稿では,マルチレゾリューション機能工学,次元減少,深層学習を組み合わせた都市規模の予測パイプラインを提案する。
クラスタ認識機能を備えたグローバルLSTMは、精度と効率の最良のトレードオフを実現し、トランスフォーマーモデルを1852%から52%向上させる。
論文 参考訳（メタデータ） (2026-01-26T14:30:50Z) - Open-Vocabulary Spatio-Temporal Scene Graph for Robot Perception and Teleoperation Planning [55.90805559207812]
動的リモートシーンでは、双方向通信における伝送遅延は、リモート認識状態とオペレータ意図の間のギャップを生じさせる。
本稿では,時間的ダイナミクスと軽量遅延アノテーションを用いて,オープン語彙認識を充実させる表現を提案する。
提案手法はReplicaベンチマークで74%のノード精度を実現し,Concept.Graphよりも優れていた。
論文 参考訳（メタデータ） (2025-09-27T04:31:24Z) - Task-Oriented Communications for Visual Navigation with Edge-Aerial Collaboration in Low Altitude Economy [16.62021190565778]
ビジョンベースの手法は、軽量UAV上での帯域幅、メモリ、処理の制約に直面する。
マルチカメラシステムを備えたUAVがコンパクトなマルチビュー特徴を抽出し,エッジサーバへのオフロードローカライゼーションタスクをオフロードするタスク指向通信フレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-25T12:49:14Z)
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。