論文の概要: Vehicle-State-Aware Confidence Estimation for Direct Wind Sensing on a Multirotor

• arxiv url: http://arxiv.org/abs/2610.25688v1
• Date: Mon, 19 Oct 2026 02:36:36 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:33:01.911418
• Title: Vehicle-State-Aware Confidence Estimation for Direct Wind Sensing on a Multirotor
• Title（参考訳）: マルチロータを用いた直接風速計測のための車両状態認識信頼度推定
• Abstract要約: 本研究は、水平および垂直の車両速度を用いて、各風観測の取得を定量化する車両状態認識信頼性手法を提案する。 その結果, 航空機の状態は, 直接航空機による風観測の影響を調節する上で有用であることがわかった。
• 参考スコア（独自算出の注目度）: 0.6244816393907943
• License:
• Abstract: Direct wind sensing from a multi-rotor UAV enables localized atmospheric measurements, but the reliability of the anemometer depends on vehicle motion. This work presents a vehicle-state-aware confidence method that uses horizontal and vertical vehicle speed to quantify the acquisition of each wind observation. The resulting confidence score is used to adapt measurement influence to a two-dimensional vector estimator. Experiments were conducted during horizontal translation, vertical motion, and held-out autonomous waypoint flight. The proposed two-feature formulation achieved an ROC-AUC of 0.995, with 98.84% of translation observations identified as unreliable. The confidence-aware adaptation reduced median estimator gain during translation from 0.207 to 0.064 while retaining median gain of 0.151 during hover. The results show that vehicle state provides useful proprioceptive context for regulating the influence of direct airborne wind observations.
• Abstract（参考訳）: マルチローターUAVからの直接風速感知は大気の局所的な測定を可能にするが、加速度計の信頼性は車両の動きに依存する。 本研究は、水平および垂直の車両速度を用いて、各風観測の取得を定量化する車両状態認識信頼性手法を提案する。 得られた信頼スコアは、測定の影響を二次元ベクトル推定器に適用するために用いられる。 水平移動、垂直移動、自律飛行で実験を行った。 提案された2つの特徴の定式化はROC-AUCの0.995を達成し、98.84%の翻訳観測は信頼性の低いものと見なされた。 信頼度適応により、翻訳中の中央値推定器の利得は0.207から0.064に減少し、ホバリング時の0.151の利得は保たれた。 その結果, 航空機の状態は, 直接風速観測の影響を制御するための有用な環境を提供することがわかった。

関連論文リスト

• WAND: Learning Robust Navigation under Complex Wind Disturbances and Dense Obstacles for Quadrotors [53.304053813409666]
  本稿では、高密度障害物場における時変風乱下でのナビゲーションのための強化学習フレームワーク、WAND(Wind-Aware Navigation with disturbance Estimation)を紹介する。 風に乱れた12のシミュレーション設定において、WADは平均的なフィードフォワード補償に対する成功率を8.3ポイント改善した。 室内でのファンによる飛行試験では、WADは20の試験のうち18の試験に成功し、リアルタイムのオンボードナビゲーションの実現可能性を示した。
  論文  参考訳（メタデータ） (2026-10-08T12:17:45Z)
• Wind-Aware Reinforcement Learning Control of a Small Quadrotor Using Learned Onboard Wind Estimation in Simulated Atmospheric Turbulence [2.878288301715711]
  小型のマルチローター機は大気境界層での運用にますます取り組まれている。 この研究は、まずオンボードキネマティクスとダイナミクスから局所的な風を推定する2段階の学習パイプラインを描いている。
  論文  参考訳（メタデータ） (2026-07-01T22:59:18Z)
• Realtime Wind Estimation using Low Cost Quadrotor Uncrewed Aerial Vehicles [0.0]
  Unscented Kalman Filter (UKF) は4軸UAVの軌道を維持しながら正確な風速推定を行う非線形推定器である。 その結果、シミュレーションの非線形性が増大するにつれて、UKFは拡張カルマンフィルタ(EKF)を一貫して上回ることを示した。 これは、高度に非線形なシナリオに対する信頼性の高い推定手段としてのイギリス空軍の可能性を示し、正確な風速推定を提供しながら、最小限の偏差で軌道を維持することができる。
  論文  参考訳（メタデータ） (2026-06-29T17:24:16Z)
• Onboard Wind Estimation for Small UAVs Equipped with Low-Cost Sensors: An Aerodynamic Model-Integrated Filtering Approach [0.0]
  本研究では,自律飛行に必要な安価な本質的なセンサーのみを用いて,飛行状態と風速を推定する手法を提案する。 この手法のコアは、空気力学モデルと統合された拡張カルマンフィルタ(EKF)と、適応移動平均推定(AMAE)技術を含む。 飛行試験は,実時間オンボード計算における手法の有効性と実現可能性を検証する。
  論文  参考訳（メタデータ） (2026-04-22T07:39:06Z)
• Design and Implementation of a High-Precision Wind-Estimation UAV with Onboard Sensors [4.9295028416281985]
  本稿では,オンボードセンサのみを用いたリアルタイム風速推定手法を提案する。 システムは、風洞、屋内および屋外飛行における総合的な実験を通じて検証される。
  論文  参考訳（メタデータ） (2025-12-11T08:39:55Z)
• Aurora: Are Android Malware Classifiers Reliable and Stable under Distribution Shift? [51.12297424766236]
  AURORAは、その信頼性と運用上のレジリエンスに基づいて、マルウェア分類器を評価するためのフレームワークである。 AURORAは、ポイント・イン・タイムのパフォーマンスを超えるように設計されたメトリクスのセットによって補完される。 さまざまなドリフトのデータセットにわたるSOTAフレームワークの脆弱性は、ホワイトボードへの復帰の必要性を示唆している。
  論文  参考訳（メタデータ） (2025-05-28T20:22:43Z)
• Learning-based Airflow Inertial Odometry for MAVs using Thermal Anemometers in a GPS and vision denied environment [13.910943185843706]
  本研究は, 熱量計, IMU, ESC, およびバロメーターを含む多センサデータ融合を用いた気流式オドメトリーシステムを示す。 我々は,GRUをベースとした深部ニューラルネットワークを用いて,ノイズおよび乱れ計測から相対的な空気速度を推定する。 離陸や地上への着陸を含む完全な飛行データから、プロペラと地上効果によって引き起こされる下水によって引き起こされる風速を分離することができることが示されている。
  論文  参考訳（メタデータ） (2025-05-21T02:53:49Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• Transition control of a tail-sitter UAV using recurrent neural networks [80.91076033926224]
  制御戦略は姿勢と速度安定化に基づいている。 RNNは高非線形空力項の推定に用いられる。 その結果, 遷移操作時の直線速度とピッチ角の収束性を示した。
  論文  参考訳（メタデータ） (2020-06-29T21:33:30Z)

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。