論文の概要: Who Went Where When on the Lunar Surface: Forensic Trajectory Analysis to Identify Byzantine Rovers

• arxiv url: http://arxiv.org/abs/2610.02694v1
• Date: Fri, 02 Oct 2026 02:16:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.164467
• Title: Who Went Where When on the Lunar Surface: Forensic Trajectory Analysis to Identify Byzantine Rovers
• Title（参考訳）: 月面のどこに誰がいるか:ビザンチンローバーを識別するための法的な軌道解析
• Abstract要約: ビザンチン系物質の存在下での非協力型惑星ローバーの法医学的軌道解析の問題点を紹介する。 この設定では,標準外乱ポーズグラフ最適化手法が脆弱であることを示す。 本研究では,個々の測定精度よりもローバーの信頼性を考慮し,属性を考慮した軌道推定手法を提案する。
• 参考スコア（独自算出の注目度）: 14.752866154902902
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Future planetary surface missions are likely to involve multiple independently operated rovers sharing the same deployment region, raising the need to verify compliance with operational constraints such as Lunar Safety Zones. Because continuous in-situ observability is rarely available, such verification requires post-hoc reconstruction of rover trajectories from sparse telemetry, including odometry, pose priors, and relative inter-rover detections. We introduce the problem of forensic trajectory analysis for non-cooperative planetary rovers in the presence of Byzantine agents: rovers that provide miscalibrated or deliberately falsified measurements to support an incorrect trajectory. We show that standard outlier-robust pose graph optimisation methods are vulnerable in this setting, because Byzantine rovers can generate measurements that are internally consistent and numerous enough to make truthful incriminating measurements appear as outliers. To address this, we propose an attribution-aware trajectory estimation method that reasons over rover credibility rather than individual measurement validity. The method evaluates candidate credible rover subsets by comparing the statistical consistency of their internal and boundary relative detections against provided priors, and then estimates trajectories using only measurements attributed to credible agents. Across synthetic simulations and real planetary-analogue trajectory data, the proposed method identifies Byzantine rovers and produces significantly more accurate trajectory estimates than existing robust pose graph optimisation baselines.
• Abstract（参考訳）: 将来の惑星表面のミッションでは、複数の独立運用されたローバーが同じ展開領域を共有し、月面安全ゾーンのような運用上の制約に準拠する必要性が高まっている。 連続したその場観測はめったに行われないため、このような検証は、オードメトリー、ポーズ先行、相対的なローバー間検出を含むスパーステレメトリーからのローバー軌跡のポストホックな再構成を必要とする。 本研究では,非協力型惑星ローバーの非協力型惑星ローバーに対する法医学的軌道解析の問題点について紹介する。 ビザンティンのローバーは内部的に一貫性があり,真に悪質な測定値が外れ値として現れるのに十分な数の測定値を生成することができるため,この設定では,標準のアウトリー・ロバストポーズグラフ最適化法が脆弱であることを示す。 そこで本研究では,個々の測定精度よりもローバーの信頼性を考慮し,属性を考慮した軌道推定手法を提案する。 提案手法は, 提案した先行要因に対して, 内部および境界の相対的検出の統計的整合性を比較することにより, 候補となる信頼性ローバー部分集合を評価し, 信頼性エージェントによる測定のみを用いて軌道を推定する。 提案手法は, 合成シミュレーションと実際の惑星-アナログ軌道データ全体にわたって, ビザンチンローバーを同定し, 既存のロバストポーズグラフ最適化ベースラインよりもはるかに正確な軌道推定を行う。

関連論文リスト

• AstraMoE-SR: Trajectory-Guided Diffusion for Blind Satellite Jitter Deblurring and Super-Resolution [0.9940728137241215]
  プッシュブルーム衛星画像は、プラットフォーム姿勢不安定性に制限された空間分解能を兼ね備えている。 AstraMoE-SRは、補助的な測定をすることなく、動きのぼやけと空間分解能を共同で復元する単一画像フレームワークである。
  論文  参考訳（メタデータ） (2026-09-07T04:06:35Z)
• Active Timepoint Selection for Learning Measure-Valued Trajectories [55.49809248697036]
  スナップショットから連続確率パスを推定することは、単細胞生物学のような領域における根本的な課題である。 スパース測度空間にアクティブな実験を拡張するフレームワークを導入する。 これにより、不確実性を最小限に抑えるために測定時間を反復的に選択する取得ポリシーが得られる。
  論文  参考訳（メタデータ） (2026-05-28T22:22:35Z)
• Robust Sequential Tracking via Bounded Information Geometry and Non-Parametric Field Actions [0.0]
  LiDARによるターゲット追跡、高周波暗号秩序フロー、量子状態トモグラフィーの3つの領域にわたる実証的なベンチマークでは、この情報ジオメトリが異常値を解析的に減らすことを実証している。
  論文  参考訳（メタデータ） (2026-03-13T21:40:44Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• 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)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• Real-Time Stochastic Terrain Mapping and Processing for Autonomous Safe Landing [0.0]
  本稿では,新しいリアルタイムな惑星地形マッピングアルゴリズムを開発した。 サンプル点間の地形的不確実性や、スパース3次元測定による不確かさを考慮に入れている。
  論文  参考訳（メタデータ） (2024-09-14T05:12:14Z)
• 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)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)

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。