論文の概要: Lightweight Change Detection for Adaptive Collective Perception in Dynamic Environments

• arxiv url: http://arxiv.org/abs/2610.34059v1
• Date: Sun, 25 Oct 2026 04:42:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.527807
• Title: Lightweight Change Detection for Adaptive Collective Perception in Dynamic Environments
• Title（参考訳）: 動的環境における適応的集団知覚のための軽量変化検出
• Abstract要約: タイル比と表面パターンの空間的相関が時間とともに変化する動的環境における集合的知覚について検討した。 Webots のシミュレーション結果から, 競合変化検出の遅延, 通信設定の整合性の向上, 空間相関の変化による決定精度の向上が得られた。
• 参考スコア（独自算出の注目度）: 10.148229144403365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Swarm robotics enables scalable inspection through collective perception, where robots infer environmental properties from distributed observations. A common benchmark considers robots exploring black-white tiled environments and determining the majority tile type. While most work studies static environments, dynamic environments remain underexplored. We study collective perception in dynamic environments where the tile proportion and the spatial correlation of surface patterns may change over time. To enable implementation on resource-constrained robots, we integrate a lightweight change detection mechanism into a Bayesian collective decision-making framework that resets robot beliefs when distribution shifts are detected. The proposed detector requires constant memory and constant per-sample computation, unlike two recent competitive approaches that store the full sample stream, making it suitable for memory-constrained robots. We further introduce a method that detects spatially correlated sampling and adapts sampling intervals online to mitigate correlation effects. Our simulation results in Webots show competitive change detection delays, more consistent precision across communication settings, and improved decision accuracy under changing spatial correlations.
• Abstract（参考訳）: Swarm Roboticsは、ロボットが分散観察から環境特性を推測する集合認識によるスケーラブルな検査を可能にする。 一般的なベンチマークでは、ロボットが白黒タイルの環境を探索し、大多数のタイルのタイプを決定することを検討している。 ほとんどの研究は静的環境を研究しているが、動的環境は未調査のままである。 タイル比と表面パターンの空間的相関が時間とともに変化する動的環境における集合的知覚について検討した。 資源制約のあるロボットの実装を実現するため,分散シフトの検出時にロボットの信念をリセットするベイズ集団意思決定フレームワークに,軽量な変更検出機構を統合する。 提案した検出器は、サンプルストリーム全体を格納する最近の2つの競合的アプローチとは異なり、一定のメモリとサンプル単位の計算を必要とするため、メモリに制約のあるロボットに適している。 さらに,空間的相関サンプリングを検出し,オンラインのサンプリング間隔を適応させて相関効果を緩和する手法を提案する。 Webots のシミュレーション結果から, 競合変化検出の遅延, 通信設定の整合性の向上, 空間相関の変化による決定精度の向上が得られた。

関連論文リスト

• Mind the Gaps: Multi-Robot Feedback-Driven Ergodic Coverage in Unknown Environments [1.0828616610785522]
  本研究は,ロボットのチームが環境内のデータを収集する位置を連続的に調整することで動的サンプリングを行う,マルチロボット適応型カバレッジの問題に対処する。 本研究では,環境モデルからのリアルタイムフィードバックを利用して,未知条件に応じてロボットのサンプリング行動を調整する適応型カバレッジ戦略を提案する。 我々のフレームワークは、ロボットが関心のある領域を動的に優先順位付けし、カバレッジ効率を向上し、個々のエージェントに対して効果的な制御ポリシーを合成し、未知の事前分布でリソース使用を最適化することを可能にする。
  論文  参考訳（メタデータ） (2026-05-20T20:25:35Z)
• FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
  ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。 現在の最先端のボット検出モデルは、主に独立して開発されている。 クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
  論文  参考訳（メタデータ） (2026-04-12T15:13:41Z)
• Grounded Test-Time Adaptation for LLM Agents [75.62784644919803]
  大規模言語モデル(LLM)ベースのエージェントは、新規で複雑な環境への一般化に苦慮している。 環境特化情報を活用することで, LLMエージェントを適応するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-06T22:24:35Z)
• Multi-robot Multi-source Localization in Complex Flows with Physics-Preserving Environment Models [7.60216127875876]
  複雑な流れにおけるソースのローカライゼーションは、化学漏れのソースのローカライズやオイル流出の分散の追跡を行うマルチロボットチームにとって重要な課題である。 本稿では,各ロボットが学習した環境の有限要素モデルを持つ,ソースローカライゼーションのための分散移動センシングフレームワークを提案する。 提案手法は,ベースラインセンシング手法よりも高速な誤差低減を実現し,ベースライン機械学習手法よりも高精度なソースローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2025-09-17T17:58:25Z)
• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• Kriformer: A Novel Spatiotemporal Kriging Approach Based on Graph Transformers [5.4381914710364665]
  本研究は, 環境問題として, スパースセンサの配置と信頼性の低いデータに対処する。 グラフクリフォーマーモデルであるKriformerは、限られた資源であっても、空間的および時間的相関をマイニングすることで、センサのない場所でデータを推定する。
  論文  参考訳（メタデータ） (2024-09-23T11:01:18Z)
• Robust Collaborative Perception without External Localization and Clock Devices [52.32342059286222]
  複数のエージェントをまたいだ一貫した空間的時間的調整は、協調的な知覚の基礎である。 従来の手法は、ローカライゼーションとクロック信号を提供するために外部デバイスに依存している。 本稿では,様々なエージェントの知覚データに内在する幾何学的パターンを認識して整列する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-05T15:20:36Z)
• Estimation of continuous environments by robot swarms: Correlated networks and decision-making [0.0]
  大規模なマルチロボットシステムは、Swarmレベルで自律性を確立するために集団的な意思決定が必要である。 本研究では,実環境におけるロボット群実験において,制御アルゴリズムを提案して検討する。 提案手法は実効性があり,制御実験よりも精度が高いことを示す。
  論文  参考訳（メタデータ） (2023-02-27T09:57:15Z)
• Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
  我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。 形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
  論文  参考訳（メタデータ） (2022-08-01T17:45:36Z)
• Scalable Multi-Robot System for Non-myopic Spatial Sampling [9.37678298330157]
  本稿では,空間場の非一様サンプリングのためのスケーラブルな分散マルチロボット計画アルゴリズムを提案する。 我々は,複数のロボット間のコミュニケーションがチーム全体のサンプリング性能に与える影響を,独立して分析する。
  論文  参考訳（メタデータ） (2021-05-20T20:30:10Z)

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。