論文の概要: Sensitivity-Orthogonal Residual Learning for Adaptive Sideslip and Cornering Stiffness Estimation
- arxiv url: http://arxiv.org/abs/2610.27586v1
- Date: Tue, 20 Oct 2026 03:53:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.62328
- Title: Sensitivity-Orthogonal Residual Learning for Adaptive Sideslip and Cornering Stiffness Estimation
- Title（参考訳）: 適応側すべりとコーナリング剛性推定のための感性-直交残差学習
- Abstract要約: コーナーリング剛性のオンライン適応は、タイヤが変化するにつれてモデルベースのサイドリップ推定器を有効に保ちます。
十分なパラメータを有する補正器は、剛性変化が生じる革新パターンを吸収することができ、適合性を改善しつつ適応を抑えることができる。
- 参考スコア（独自算出の注目度）: 0.27528170226206433
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online adaptation of the cornering stiffness keeps a model-based sideslip estimator valid as tires change, but competes with learned model correction for the same filter innovation. A corrector with enough parameters can absorb the innovation pattern that a stiffness change produces, and adaptation is suppressed while the fit improves. We propagate the stiffness sensitivities of the predicted measurements through the vehicle states and construct a corrector orthogonal to them. A null-space parameterization enforces the constraint without a penalty coefficient and preserves the static least-squares stiffness estimate on each identification segment. In full-vehicle simulation, the stiffness response of the unconstrained corrector declines as its parameter count grows, whereas the orthogonal corrector responds at least as fully as the uncorrected filter at all sizes and lowers sideslip error by 12.7% to 22.0%. In a simulated drive with a stiffness step, the orthogonal corrector adapts as quickly as the uncorrected filter and lowers sideslip error during and after the transient. On public real-vehicle data, the 430-parameter unconstrained corrector loses most of its response to deliberate offsets of the filter's nominal stiffness, whereas the orthogonal corrector of the same size retains most of it, with a sideslip error slightly above the uncorrected filter's.
- Abstract（参考訳）: コーナーリング剛性のオンライン適応は、タイヤ変更時にモデルベースのサイドリップ推定器を有効に保ちながら、同じフィルタ革新のために学習モデル修正と競合する。
十分なパラメータを有する補正器は、剛性変化が生じる革新パターンを吸収することができ、適合性を改善しつつ適応を抑えることができる。
予測された測定値の剛性感度を車両状態に伝達し,直交する補正器を構築する。
ヌル空間パラメータ化は、ペナルティ係数なしで制約を強制し、各識別セグメントの静的最小二乗剛性推定を保存する。
全車シミュレーションでは、パラメータ数が増加するにつれて非拘束の補正器の剛性応答は低下するが、直交の補正器は、あらゆる大きさの未修正フィルタと同程度に反応し、サイドリップ誤差を12.7%から22.0%低下させる。
剛性ステップを有する模擬駆動において、直交補正器は、補正されていないフィルタと同じ速さで適応し、過渡期以降のサイドリップ誤差を低減させる。
公的な実車データでは、430パラメータの非拘束補正器は、フィルタの明示的な剛性の意図的なオフセットに対する応答の大半を失うが、同じ大きさの直交補正器は、そのほとんどを保持し、補正されていないフィルタの少し上のサイドリップ誤差を持つ。
関連論文リスト
- Spherical Fixed-Point Reasoners: Adaptive Loop Halting on the Hypersphere [43.72318446369736]
正規化変換器(nGPT)の単位超球面上で同じ計算を行う球状固定点共振器(SFPRM)を導入する。
Sudoku-Extreme、Maze-Hard、Mini-ARCでは、SFPRMはそれぞれ96.6%、87.9%、59.1%のテスト精度を達成した。
論文 参考訳（メタデータ） (2026-10-19T01:45:23Z) - ToF-Wheel Odometry: Navigating Degeneration of Localization With Limited Sensing Capabilities [12.3760529125697]
ToF-Wheel Odometry (TWO)は、ホイールキネマティクスと、Time-of-Flight (ToF)カメラの幾何学的制約を統合している。
TWOは静的および適応ガウスフィルタと比較して軌道精度とロバスト性を改善する。
論文 参考訳（メタデータ） (2026-10-10T05:16:10Z) - The Curvature of Regret in Contextual Linear Optimization [42.371764229953165]
本研究では,データ分布を平均化し,非滑らかなポイントワイズ動作が局所的に現れることを示す。
閉形式、具体的には正規ファンの壁に支持された行列値測度を用いて曲率を導出する。
提案手法は,予測コスト線形最適化のためのシナリオ生成手法である。
論文 参考訳（メタデータ） (2026-10-01T16:25:09Z) - Reduced Cartesian Kinetostatics for Tendon-Driven Continuum Robots: Residual-Stabilized Full-Shape Propagation [19.333315563300918]
腱駆動連続体ロボット(TDCR)の多くの計画および制御タスクは、完全なカルテシアンバックボーン形状を必要とする。
本稿では, 所定の腱力および腱変位軌跡に沿って平衡を伝播するTDCRに対するカルテシアンフレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-24T15:17:32Z) - Sparse Regression Distilled from a Single Robust Fit [1.8047694351309203]
ロバストな線形フィットは反応の汚染に抵抗するが、有用なグローバルな説明には密度が高すぎるか不安定である。
本研究では, 円滑に切断された絶対偏差 (SCAD) 推定器を, 剛性な初期推定器の吸入面に適合させるペナルト蒸留法を提案する。
本研究は, 予知型トレーニング応答シフト下において, 蒸留式推定器は予測的に安定でありながら, 81斜面の66.8-68.8を維持していることを示す。
論文 参考訳（メタデータ） (2026-09-20T23:30:12Z) - Response Renormalization for Critical Deep Equilibrium Models [0.0]
暗黙の微分による訓練は、残留ヤコビアンから構築された随伴系を解く必要がある。
本稿では,非持ち上げ応答チャネルをそのまま残しながら,選択したニアポールディノミネータを持ち上げるバックワードパスフレームワークであるResponse Renormalizationを導入する。
我々は、密度と行列のない集合的定式化を導き、改良された凍結アンカー残基と後方応答サロゲートとの正確な勾配を区別し、構造的インプリシット層とベクトルトラクターに構造を拡張した。
論文 参考訳（メタデータ） (2026-08-24T18:10:30Z) - Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data [3.7437735326653883]
本稿では,分離可能なデータに対する完全バッチ線形分類における速度制御中間事例について検討する。
指数損失を重み付けしたメモリレス安定アニール型スムーズドサイン降下に対して, 正規化繰り返しは, 凸バーグ型バリアの最小化に収束することが証明された。
論文 参考訳（メタデータ） (2026-07-07T08:55:35Z) - Error-Conditioned Neural Solvers [36.51479208528461]
ニューラルサロゲートモデルは、PDEパラメータから解への高速な近似マッピングを提供するが、それらは一般に純粋に統計的タスクとして解決を扱う。
最近のハイブリッド手法は、勾配降下またはガウス・ニュートンステップを介してPDE残差を目標とすることで物理的正当性を促進するが、基礎となる古典勾配の計算コストと不安定性を継承する。
理論的・実験的にPDE残差の数値最小化は、不調なシステムにおける再構成精度の信頼性の低いプロキシであることを示す。
論文 参考訳（メタデータ） (2026-06-25T17:56:27Z) - Equivariant Filter for Radar-Inertial Odometry [45.85581416235741]
拡張カルマンフィルタ(EKF)に基づくレーダ慣性オドメトリー(RIO)は、レーダと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存している。
このレターは、ナビゲーション状態とIMUバイアスを幾何学的に結合するリー群対称性に基づいて、RIOの同変フィルタ(EqF)を提案する。
論文 参考訳（メタデータ） (2026-04-24T21:47:06Z) - Efficient Inference after Directionally Stable Adaptive Experiments [47.32051320630248]
本稿では,帯域幅などの適応データ収集後の経路微分可能な対象の推測について検討する。
本稿では,従来の目標パラメトリック安定性条件よりも厳格に弱い,新たな目標固有条件である指向性安定性を導入する。
論文 参考訳（メタデータ） (2026-02-25T01:09:18Z) - Adaptive Conformal Inference by Betting [51.272991377903274]
データ生成プロセスについて仮定することなく適応型共形推論の問題を考察する。
適応型共形推論のための既存のアプローチは、オンライン勾配勾配の変種を用いたピンボール損失の最適化に基づいている。
本稿では,パラメータフリーなオンライン凸最適化手法を利用した適応型共形推論手法を提案する。
論文 参考訳（メタデータ） (2024-12-26T18:42:08Z)
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。