論文の概要: Reliability-aware short-term roll prediction for unmanned surface vehicles via multi-task learning and adaptive centralization

• arxiv url: http://arxiv.org/abs/2610.00996v1
• Date: Thu, 01 Oct 2026 03:33:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.880996
• Title: Reliability-aware short-term roll prediction for unmanned surface vehicles via multi-task learning and adaptive centralization
• Title（参考訳）: マルチタスク学習と適応集中化による無人表面車両の信頼性を考慮した短期ロール予測
• Abstract要約: 本稿では,信頼度評価を予測パイプラインに統合する信頼性を考慮した予測パラダイムを提案する。 実時間データセットを用いた実験により,提案手法が予測結果の信頼性を効果的に評価できることが実証された。
• 参考スコア（独自算出の注目度）: 29.45460800392745
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable roll prediction of unmanned surface vehicles (USVs) is essential for ensuring navi?gational safety and enhancing autonomous decision-making. While existing studies primarily focus on improving prediction accuracy, the quantification of prediction reliability remains insufficiently addressed. To bridge this gap, this paper proposes a reliability-aware prediction paradigm that integrates confidence assessment into the predictive pipeline. The architecture utilizes a multi-task learning structure where a shared feature extraction backbone feeds into dual heads: a regression head for precise roll prediction and a quantification head for confidence scoring. This configuration provides accurate prediction and corresponding confidence for risk?sensitive downstream tasks. In addition, an adaptive centralization strategy tailored for short?term real-time roll prediction is introduced to improve model generalization under varying operational conditions. Experiments conducted on a real-sea dataset demonstrate that the proposed method effectively quantifies the reliability of prediction results and maintains superior generalization under varying conditions, offering significant potential for practical engineering applications.
• Abstract（参考訳）: 無人表面車両(USV)の信頼性の高いロール予測はナビ確保に不可欠か? 住民の安全と自律的な意思決定の強化。 既存の研究は主に予測精度の向上に重点を置いているが、予測信頼性の定量化は依然として不十分である。 このギャップを埋めるために,信頼度評価を予測パイプラインに統合する信頼性を考慮した予測パラダイムを提案する。 このアーキテクチャは、共有特徴抽出バックボーンが2つのヘッドに供給されるマルチタスク学習構造を用いており、正確にロール予測を行う回帰ヘッドと、信頼性スコアリングを行う量子化ヘッドである。 この構成は、正確な予測と、リスクに対する信頼性を提供しますか? 微妙な下流作業 さらに、適応的な中央集権化戦略は、短期に適合するのか? リアルタイムロール予測という用語は、様々な操作条件下でのモデル一般化を改善するために導入された。 実時間データセットを用いて行った実験により,提案手法は予測結果の信頼性を効果的に評価し,様々な条件下での優れた一般化を維持し,実用工学的応用に有意義な可能性を示唆した。

関連論文リスト

• Proper Scoring Rule-based Diffusion for Probabilistic Weather Forecasting [59.015610520217734]
  我々は,コンテキストとその劣化バージョンから,同じ将来状態を予測できる補助的条件記述タスクを導入する。 推測時には、予測器は、完全に破損したエンドポイントにおいて、単一の前方通過で各アンサンブル部材を生成することができる。
  論文  参考訳（メタデータ） (2026-09-29T22:47:10Z)
• Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
  条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。 本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。 本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
  論文  参考訳（メタデータ） (2026-05-29T03:52:44Z)
• Rethinking Gaussian Trajectory Predictors: Calibrated Uncertainty for Safe Planning [4.546517638153619]
  既存の軌道予測器は主に負の対数的損失に依存しており、これは過度あるいは過度に信頼される分布を予測しがちである。 本稿では,予測の不確実性を校正する新たな損失関数を提案する。 提案手法は,異なる状態領域のガウス軌道予測器によって予測される信頼度の信頼性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2026-03-11T04:42:49Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Conformal Predictive Distributions for Order Fulfillment Time Forecasting [15.378087950770684]
  本稿では,オーダー充足時間の分布予測のための新しいフレームワークを提案する。 提案手法は競合する分布予測を生成できるが,機械学習に基づく点予測は既存のルールベースシステムよりも大幅に優れている。
  論文  参考訳（メタデータ） (2025-05-22T23:23:52Z)
• Reliable Probabilistic Human Trajectory Prediction for Autonomous Applications [1.8294777056635267]
  車両システムは信頼性、正確、高速、資源効率、スケーラブル、低遅延軌道予測を必要とする。 本稿では,これらの要求に対処する軽量な手法として,Long Short-Term Memory と Mixture Density Networks を提案する。 自動運転車アプリケーションにおける人体軌道予測の必須要件について考察し,交通関連データセットを用いて本手法の性能を実証する。
  論文  参考訳（メタデータ） (2024-10-09T14:08:39Z)
• ReliOcc: Towards Reliable Semantic Occupancy Prediction via Uncertainty Learning [26.369237406972577]
  視覚中心のセマンティック占有予測は、自律運転において重要な役割を果たす。 カメラからのセマンティック占有率を予測するための信頼性を探求する研究は、まだ少ない。 本稿では,カメラによる占有ネットワークの信頼性向上を目的としたReliOccを提案する。
  論文  参考訳（メタデータ） (2024-09-26T16:33:16Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Restricted Bernoulli Matrix Factorization: Balancing the trade-off between prediction accuracy and coverage in classification based collaborative filtering [45.335821132209766]
  本稿では,Restricted Bernoulli Matrix Factorization (ResBeMF) を提案する。 提案モデルでは,他のレコメンデーションモデルと比較して,品質指標のバランスが良好である。
  論文  参考訳（メタデータ） (2022-10-05T13:48:19Z)
• Which Invariance Should We Transfer? A Causal Minimax Learning Approach [18.71316951734806]
  本稿では、因果的観点からの包括的ミニマックス分析について述べる。 最小の最悪のリスクを持つサブセットを探索する効率的なアルゴリズムを提案する。 本手法の有効性と有効性は, 合成データとアルツハイマー病の診断で実証された。
  論文  参考訳（メタデータ） (2021-07-05T09:07:29Z)

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。