論文の概要: Leveraging Distributed Sensing and Hyperdimensional Computing for Non-Line-of-Sight Passive Object Sensing
- arxiv url: http://arxiv.org/abs/2610.37519v1
- Date: Tue, 27 Oct 2026 16:41:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.691949
- Title: Leveraging Distributed Sensing and Hyperdimensional Computing for Non-Line-of-Sight Passive Object Sensing
- Title（参考訳）: 非直線受動物体センシングのための分散センシングと超次元計算の活用
- Abstract要約: スマートファクトリー環境では、人間や可動障害物のような受動的実体が自律的なロボット操作に干渉する可能性がある。
ロボットの視野を超えた受動的実体認識フレームワーク(FoV)を提案する。
このフレームワークは、リスクを意識した分類を行うために、通信インフラからの分散チャネル計測にのみ依存する。
- 参考スコア（独自算出の注目度）: 9.48207641279277
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In smart factory environments, passive entities such as humans and movable obstacles may interfere with autonomous robot operations, posing significant safety risks. Detecting potential conflicts between robots and entities outside their field-of-view (FoV) is therefore of paramount importance. However, conventional passive object detection systems rely on sensors such as LiDAR, radar, or cameras, which operate under direct line-of-sight (LoS) and are limited by obstacles and occlusions. To overcome these limitations, integrated sensing and communication (ISAC) enables environmental perception via the communication infrastructure thanks to cooperation among distributed wireless devices. In this paper, we propose a framework for passive entity sensing beyond the robot's FoV that relies solely on distributed channel measurements from the communication infrastructure to perform risk-aware classification. These measurements are embedded into high-dimensional representations using hyperdimensional computing (HDC), enabling robust and scalable learning without explicit channel reconstruction. Numerical simulations based on a commercial ray tracer and ROS-based validation in realistic smart factory scenarios demonstrate improved safety and enhanced path planning with up to 89% accuracy under severe occlusions, while maintaining low computational complexity.
- Abstract（参考訳）: スマートファクトリー環境では、人間や可動障害物のような受動的実体が自律ロボットの動作を妨害し、重大な安全リスクを生じさせる可能性がある。
したがって、視野外(FoV)におけるロボットと実体間の潜在的な衝突を検出することが最重要となる。
しかし、従来の受動的物体検出システムは、LiDAR、レーダー、カメラなどのセンサーに依存しており、直接視線(LoS)の下で動作し、障害物や閉塞によって制限される。
これらの制限を克服するため、ISAC(Integrated Sensistance and Communication)は、分散無線デバイス間の協調により、通信インフラを介して環境認識を可能にする。
本稿では,ロボットのFoV以外の受動的実体認識のためのフレームワークを提案する。
これらの測定値は、高次元計算(HDC)を用いて高次元表現に埋め込まれ、明示的なチャネル再構成なしに堅牢でスケーラブルな学習を可能にする。
リアルなスマートファクトリシナリオにおける商用線トレーサとROSベースのバリデーションに基づく数値シミュレーションでは、計算複雑性を低く保ちながら、厳密な閉塞下で最大89%の精度で、安全性の向上と経路計画の強化が示されている。
関連論文リスト
- Safe Multi-Robot Coordination via VLM-LLM Reasoning and Reachability Analysis [39.499082381148035]
異種移動ロボットチームにおける協調目標指向ナビゲーションのための安全対応型M2Mフレームワークを提案する。
目的は、静的および動的障害を避けながら、両方のプラットフォームを目標領域に導くことである。
論文 参考訳（メタデータ） (2026-08-18T12:52:54Z) - AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。
本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
論文 参考訳（メタデータ） (2026-08-12T08:42:05Z) - Synthetic-to-Real Pipeline for Safe Landing Zone Detection [0.0]
この研究は、自律着陸タスクのシム・トゥ・リアルギャップを橋渡しするために設計された包括的知覚とデータ生成パイプラインを提案する。
本稿では,ドメインランダム化による自動意味アノテーションによる都市環境生成のための手続き型合成データエンジンを提案する。
決定論的着陸モジュールは、Euclidean Distance Transform (EDT) と動的推論ロジックを使用して、最も大きな入力された安全な着陸ゾーンを特定する。
論文 参考訳（メタデータ） (2026-06-09T01:32:07Z) - Interpretable Multimodal Gesture Recognition for Drone and Mobile Robot Teleoperation via Log-Likelihood Ratio Fusion [14.332919759770645]
視覚に基づくジェスチャー認識はハンズフリー遠隔操作の一手法として検討されている。
両手首にApple Watchの慣性データとカスタム手袋の容量感覚信号を統合するマルチモーダルジェスチャー認識フレームワークを提案する。
我々のフレームワークは、最先端のビジョンベースのベースラインに匹敵するパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-02-27T05:52:04Z) - Near-Field Perception for Safety Enhancement of Autonomous Mobile Robots in Manufacturing Environments [1.4627307351436138]
本稿では,自律移動ロボットのための3層近接場認識フレームワークを提案する。
最初のアプローチでは光の不連続検出を採用し、近距離領域にレーザーストライプを投射する。
第2のアプローチでは、光変位測定を用いて物体の高さを推定する。
第3のアプローチでは、組み込みAIハードウェア上のコンピュータビジョンに基づくオブジェクト検出モデルを使用してオブジェクトを分類する。
論文 参考訳（メタデータ） (2025-12-15T17:18:04Z) - OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。
我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
論文 参考訳（メタデータ） (2025-10-28T13:22:39Z) - Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。
本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:02:14Z) - Scaling #DNN-Verification Tools with Efficient Bound Propagation and
Parallel Computing [57.49021927832259]
ディープニューラルネットワーク(DNN)は多くのシナリオで異常な結果を示した強力なツールです。
しかし、それらの複雑な設計と透明性の欠如は、現実世界のアプリケーションに適用する際の安全性上の懸念を提起する。
DNNの形式的検証(FV)は、安全面の証明可能な保証を提供する貴重なソリューションとして登場した。
論文 参考訳（メタデータ） (2023-12-10T13:51:25Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z)
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。