論文の概要: Navigation with RF Cues: Embodied Perception Action under Multipath Uncertainty

• arxiv url: http://arxiv.org/abs/2610.08105v1
• Date: Tue, 06 Oct 2026 10:31:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.935335
• Title: Navigation with RF Cues: Embodied Perception Action under Multipath Uncertainty
• Title（参考訳）: RFクイズを用いたナビゲーション:マルチパス不確かさ下での身体的知覚行動
• Abstract要約: スマートファクトリ検査では、ロボットが事前の地図や既知の目標座標を使わずに、接続された機器に到達する必要がある。 ターゲットからの無線周波数(RF)信号は、視覚的な観察を補完する方向の手がかりを提供することができる。 本研究では、RF、視覚、ポーズの観測履歴から目標方向とその不確実性を共同で推定する不確実性を考慮したマルチモーダルナビゲ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）: 9.292566135810157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smart factory inspection requires robots to reach connected equipment without a prior map or known target coordinates. Radio frequency (RF) signals from the target can provide directional cues to complement visual observations when occlusion or poor lighting limits target detection. However, multipath propagation can distort these cues, making it difficult to infer the target's true direction from instantaneous RF measurements. To enable navigation research under these conditions, we first construct a Habitat Sionna RT benchmark that uses detailed scene geometry and assigned material properties to generate aligned visual and RF observations in response to robot actions. Building on this benchmark, we propose an uncertainty aware multimodal navigation framework that jointly estimates target direction and its uncertainty from a history of RF, visual, and pose observations. These estimates inform action selection alongside visual context. Experiments in unseen scenes show relative improvements of 18.2% in success rate (SR) and 11.5% in success weighted by path length (SPL) over the strongest evaluated baseline.
• Abstract（参考訳）: スマートファクトリ検査では、ロボットが事前の地図や既知の目標座標を使わずに、接続された機器に到達する必要がある。 目標からの無線周波数(RF)信号は、閉塞または照明限界の低いターゲット検出時に視覚的観察を補完するための方向的手がかりを提供することができる。 しかし、マルチパス伝搬はこれらのキューを歪ませることができ、即時RF測定からターゲットの真の方向を推測することは困難である。 これらの条件下でのナビゲーション研究を可能にするために,我々はまず,詳細なシーン形状と素材特性を用いたHabitat Sionna RTベンチマークを構築した。 このベンチマークに基づいて、RF、視覚、ポーズの観測履歴から目標方向とその不確実性を共同で推定する不確実性を考慮したマルチモーダルナビゲーションフレームワークを提案する。 これらの推定は、視覚的コンテキストとともに行動選択を通知する。 未確認シーンの実験では、最も評価の高いベースラインよりも18.2%の成功率(SR)と11.5%の成功率(SPL)の相対的な改善が見られた。

関連論文リスト

• PATH: Continuous Target Sensing among Autonomous Cooperative Drones [2.225982890331028]
  本稿では,2つの移動型UAV間の目標ハンドオフのためのプラットフォームに依存しない,幾何学的支援型センシングおよび検証フレームワークを提案する。 PATHは96.0%のフレームレベル受信側ターゲット取得精度を実現し、2.0%は偽陽性、2.0%は偽陰性である。
  論文  参考訳（メタデータ） (2026-09-11T05:24:08Z)
• Sight Over Site: Perception-Aware Reinforcement Learning for Efficient Robotic Inspection [57.37596278863949]
  本研究では,認識・認識の観点からの検査を再考する。 本稿では,目標視認性を主目的とするエンドツーエンド強化学習フレームワークを提案する。 提案手法は,既存の古典的および学習的ナビゲーション手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T15:14:02Z)
• Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
  本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。 提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。 実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
  論文  参考訳（メタデータ） (2025-07-29T03:32:01Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• RSRNav: Reasoning Spatial Relationship for Image-Goal Navigation [57.197881161006904]
  近年のイメージゴールナビゲーション(ImageNav)手法は,目標と自我中心の画像の意味的特徴を別々に捉え,知覚行動ポリシーを学習している。 本稿では,目標と現在の観測値の空間的関係をナビゲーションガイダンスとして考慮する,シンプルで効果的な手法であるRSRNavを提案する。
  論文  参考訳（メタデータ） (2025-04-25T00:22:17Z)
• RaLiBEV: Radar and LiDAR BEV Fusion Learning for Anchor Box Free Object Detection Systems [13.046347364043594]
  自動運転では、LiDARとレーダーは環境認識に不可欠である。 最近の最先端の研究は、レーダーとLiDARの融合が悪天候の堅牢な検出につながることを明らかにしている。 鳥眼ビュー融合学習に基づくアンカーボックスフリー物体検出システムを提案する。
  論文  参考訳（メタデータ） (2022-11-11T10:24:42Z)
• Waveform Selection for Radar Tracking in Target Channels With Memory via Universal Learning [14.796960833031724]
  シーンの状態に関する部分的な情報を用いてレーダーの波形を適応させることは、多くの現実的なシナリオにおいてパフォーマンス上の利点をもたらすことが示されている。 本研究では,レーダ環境インタフェースの圧縮モデルを構築するレーダシステムについて,文脈木として検討する。 提案手法はシミュレーション実験で検証され、2つの最先端波形選択方式による追従性能の向上が示されている。
  論文  参考訳（メタデータ） (2021-08-02T21:27:56Z)
• Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target Detection [36.79380276028116]
  本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。 目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
  論文  参考訳（メタデータ） (2020-05-05T20:39:18Z)

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。