論文の概要: FlightMagNav: An Open Dataset and Probabilistic Map Learning and Validation Framework for Outdoor Magnetic Field-Based Positioning
- arxiv url: http://arxiv.org/abs/2610.08982v1
- Date: Tue, 06 Oct 2026 18:43:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.558091
- Title: FlightMagNav: An Open Dataset and Probabilistic Map Learning and Validation Framework for Outdoor Magnetic Field-Based Positioning
- Title（参考訳）: FlightMagNav: 屋外磁場に基づく位置決めのためのオープンデータセットと確率的マップ学習と検証フレームワーク
- Abstract要約: 磁場に基づく位置決めは、外部インフラを必要とせず、大規模にジャムすることが難しいレジリエントな位置決め技術である。
地球表面近傍で活動する空中プラットフォームのための磁場に基づく位置決めの研究を容易にするため、オープンデータセットが提示される。
データセットには、磁場マップ学習とバリデーションの両方の測定が含まれている。
- 参考スコア（独自算出の注目度）: 1.6058099298620423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Magnetic field-based positioning is a resilient positioning technology that requires no external infrastructure and is hard to jam at scale. To facilitate research on magnetic field-based positioning for aerial platforms operating close to the Earth's surface, an open dataset is presented with measurements collected using an unmanned aerial vehicle carrying two optically pumped magnetometers, a type of quantum magnetometer, and a global navigation satellite system-aided inertial navigation system. The dataset includes measurements for both magnetic-field map learning and validation. Along with the dataset, a probabilistic framework for magnetic-field map learning and validation is presented and used to illustrate how the dataset may be used. Finally, we outline research directions that may be explored using the dataset.
- Abstract（参考訳）: 磁場に基づく位置決めは、外部インフラを必要とせず、大規模にジャムすることが難しいレジリエントな位置決め技術である。
地球表面近傍で活動する航空プラットフォームのための磁場に基づく位置決めの研究を容易にするため、オープンデータセットでは、2つの光学式ポンピング磁気センサ、量子磁気センサ、グローバルナビゲーション衛星システム支援慣性航法システムを備えた無人航空機を用いて収集された計測結果が提示される。
データセットには、磁場マップ学習とバリデーションの両方の測定が含まれている。
データセットに加えて、磁場マップの学習と検証のための確率的フレームワークが提示され、データセットがどのように使われるかを説明するために使用される。
最後に,データセットを用いた研究の方向性について概説する。
関連論文リスト
- Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。
本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。
設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
論文 参考訳（メタデータ） (2024-10-21T09:57:42Z) - Random forests for detecting weak signals and extracting physical
information: a case study of magnetic navigation [0.0]
貯水池計算と時間遅延フィードフォワードニューラルネットワークという2つの機械学習アーキテクチャは、GPSで測定された環境で地球の異常磁場を検出するために利用することができる。
我々は,複数の決定木の出力を組み合わせたランダム森林の機械学習モデルを利用して,物理量の最適値を与える。
ランダムフォレストアルゴリズムは, 弱い異常場の検出や航空機の位置のフィルタリングにおいて, 極めてよく機能することを示す。
論文 参考訳（メタデータ） (2024-02-21T21:10:12Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic
Navigation Systems using Liquid Time-Constant Networks [0.09514898210006967]
磁気航法 (MagNav) はGPS(Global Positioning System)の代替であり、航空機の航法に有用であることが証明されている。
従来の航空航法システムでは、特定の環境での精度と信頼性、攻撃に対する制限に直面している。
我々は,MagNav位置推定のためのクリーンで信頼性が高く正確な磁気信号を抽出するための物理情報を用いた機械学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-17T22:46:51Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳（メタデータ） (2024-01-12T14:56:45Z) - Mapping the magnetic field using a magnetometer array with noisy input
Gaussian process regression [1.0878040851637998]
ガウス過程は、空間的に変化する磁場の大きさを学ぶために用いられる。
しかし、磁力計の位置は、ほとんど知られていない。
本稿では,磁界マップの品質向上のために,磁力計のアレイをどのように利用できるかを検討する。
論文 参考訳（メタデータ） (2023-10-25T12:00:45Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Signal Enhancement for Magnetic Navigation Challenge Problem [2.1374806859886495]
本稿では,地磁気信号と航空機磁気信号を分離してクリーンな信号を導出し,磁気ナビゲーションを実現することを目的とする。
データセットのベースラインテストでは、機械学習(ML)を用いて全磁場から地球磁場を抽出できることが示されている。
課題は、訓練されたニューラルネットワークを用いて、航空機の磁場を全磁場から除去することである。
論文 参考訳（メタデータ） (2020-07-23T17:44:02Z) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
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。