論文の概要: Belief-Space Planning with Planner-Conditioned Estimator Error under Intermittent Observations

• arxiv url: http://arxiv.org/abs/2610.09207v1
• Date: Tue, 06 Oct 2026 23:08:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.642771
• Title: Belief-Space Planning with Planner-Conditioned Estimator Error under Intermittent Observations
• Title（参考訳）: 間欠観測による平面構成推定誤差を用いた空間空間計画
• Abstract要約: 本研究では,プランナー条件付き推定器エラーを予測し,伝播し,ペナルティ化する信念空間計画手法を提案する。 船体甲板への傾動ロータVTOL着陸シミュレーションにおけるアプローチの評価を行った。
• 参考スコア（独自算出の注目度）: 3.3388234549922022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Belief-space planners with separately designed or off-the-shelf estimators may have access to state-relevant information the estimator does not observe. Consequently, even an estimator that minimizes mean-squared error under its own information can have a nonzero error mean when conditioned on planner information. When future corrections are intermittent and stochastic, differences between accepted and rejected error means introduce additional uncertainty terms to correction events that zero-mean assumptions ignore. In this paper, we propose a belief-space planning approach that predicts, propagates, and penalizes planner-conditioned estimator error along evaluated trajectories. A planner-conditioned estimator-error model combines affine error dynamics with a moment recursion that preserves stochastically-induced correction uncertainty. We describe a method by which to predict estimator error dynamics within specified operating regimes and incorporate predicted error moments into a task-weighted quadratic risk objective. We evaluate the approach in simulation for a tilt-rotor VTOL landing on a ship deck using receding-horizon planning. We find that conditioning on planner information reduced error-prediction loss for a command-blind EKF by 13.4% relative to a planner-ignorant model, with strongly regime and horizon-dependent forecasting abilities. In a small set of 16 paired closed-loop trials, the planner lowered the median terminal task gauge from 1.60 to 0.99, and predicted estimator error beyond 2s within a factor of 1.3, versus a 5.7-fold underprediction by covariance-only planning.
• Abstract（参考訳）: 分離設計またはオフザシェルフ推定器を持つ信念空間プランナーは、推定器が観測しない状態関連情報にアクセスすることができる。 これにより、平均二乗誤差を自情報で最小化する推定器でさえ、プランナー情報に条件付けされた場合、ゼロでない誤差平均を持つことができる。 将来の修正が断続的で確率的である場合、受け入れられた誤りと却下された誤りの差は、ゼロ平均仮定が無視する修正イベントにさらなる不確実な条件を導入することを意味する。 本稿では,評価軌道に沿ったプランナー条件付き推定器誤差を予測し,伝播し,ペナライズする信念空間計画手法を提案する。 プランナー条件付き推定器・エラーモデルでは、アフィンエラーダイナミクスとモーメント再帰を組み合わせ、確率的に引き起こされる補正の不確実性を保存する。 本稿では,特定の動作状態における推定器エラーダイナミクスを予測し,予測誤差モーメントをタスク重み付き二次的リスク目標に組み込む手法について述べる。 我々は, 傾斜回転VTOL着陸のシミュレーションにおけるアプローチを, 後退水平計画を用いて評価した。 計画立案者情報に対する条件付けにより,計画立案者非依存モデルと比較して,指令書EKFの誤り予測損失が13.4%減少した。 16対の閉ループ試験の小さなセットでは、プランナーは中央の終端のタスクゲージを1.60から0.99に下げ、1.3の係数で2sを超える推定誤差を予測した。

関連論文リスト

• Action-Consequence Alignment for Reliable Planning and Self-Improving in Latent World Models [50.093046379641315]
  学習された世界モデルが類似した行動結果対応を維持しているかどうかを検討する。 その結果、近くの代替手段は、記録された目標から遠く離れた物理的結果を生み出すにもかかわらず、より低い予測誤差を得られることが示された。 これらの結果は、予測学習と信頼性プランニングをブリッジする実践原則として、アクション・エフェクト・アライメントを支援する。
  論文  参考訳（メタデータ） (2026-10-03T14:12:16Z)
• Repurposing Deep Limit Order Book Forecasting for Scenario-Conditioned Market Impact Modeling [49.590388401787834]
  本稿では,機械的に有効な反事実メッセージの注入前後の予測者の予測分布を比較するモデルに依存しないフレームワークを提案する。 トランスフォーマーをベースとした予測器は、スピアマンの相関関係を0.99と97.2%と、実現した歴史的成果との方向性の一致で、シナリオランキングを回復した。
  論文  参考訳（メタデータ） (2026-09-15T10:06:03Z)
• A Control Theory of Predictability in Latent World Models [39.22646915328561]
  現在のプラクティスでは、トレーニングとモデル選択の目的として、ホールトアウトデータに対する単一または複数ステップのロールアウト損失である予測エラーを採用しています。 この仮定は構造上の理由から信頼できないことを示す。 プランナーはトレーニング分布についてモデルに問い合わせるのではなく、その候補となるアクションが到達し、一般にデータ多様体を残します。
  論文  参考訳（メタデータ） (2026-07-11T15:42:26Z)
• Training ML Models with Predictable Failures [11.41613361827698]
  デプロイメントスケールでMLモデルがフェールする頻度を推定することは、デプロイ前の安全性評価の中心である。 この推定器の予測誤差を有限k分解し、過剰予測に対するバイアスが組み込まれていることを示す。 本稿では,この障害モードに対処する微調整目標である予測可能性損失を提案する。
  論文  参考訳（メタデータ） (2026-05-14T17:41:52Z)
• 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)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Long-Tail Prediction Uncertainty Aware Trajectory Planning for Self-driving Vehicles [12.645597960926601]
  近年の研究では、長い尾の運転シナリオ分布の後にデータセット上で訓練されたディープラーニングモデルが、尾の予測エラーに悩まされることが示されている。 この研究は、スパースデータによる高い誤差を定量化するための予測モデルの不確実性の概念を定義する。 提案手法は,不十分なデータによる予測の不確実性の下で軌道計画の安全性を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-07-02T10:17:31Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• The Aleatoric Uncertainty Estimation Using a Separate Formulation with Virtual Residuals [51.71066839337174]
  既存の手法では、ターゲット推定における誤差を定量化できるが、過小評価する傾向がある。 本稿では,信号とその不確かさを推定するための新たな分離可能な定式化を提案し,オーバーフィッティングの影響を回避した。 提案手法は信号および不確実性推定のための最先端技術より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-03T12:11:27Z)
• Learning to Predict Error for MRI Reconstruction [67.76632988696943]
  提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。 本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T15:55:32Z)

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。