論文の概要: Self-Supervised Doppler-Guided RF Odometry

• arxiv url: http://arxiv.org/abs/2610.39005v1
• Date: Wed, 28 Oct 2026 22:32:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.427104
• Title: Self-Supervised Doppler-Guided RF Odometry
• Title（参考訳）: 自己監督型ドプラガイドRFオドメトリー
• Abstract要約: 高周波(RF)センシングは、暗黒、煙、霧などにおけるロボットのエゴモーション推定を可能にするが、マルチパスと移動反射器はクロスフレームマッチングを極めて曖昧にするため、RFオドメトリーは依然として困難である。 RFWalkは、空間時間グラフ上のランダムウォーキングとして、範囲方位フレーム間の密度密度対応をモデル化する、自己教師付きRF専用オドメトリーフレームワークである。
• 参考スコア（独自算出の注目度）: 6.615088364597629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio-frequency (RF) sensing enables robot ego-motion estimation in darkness, smoke, and fog, yet RF odometry remains challenging because multipath and moving reflectors make cross-frame matching highly ambiguous. Existing methods often rely on auxiliary inertial sensors or ground-truth pose supervision. We present RFWalk, a self-supervised, RF-only odometry framework that models dense correspondences across range-azimuth frames as random walks on a space-time graph and learns them from unlabeled sequences through temporal cycle consistency. To rule out correspondences that are cycle-consistent but physically implausible, we introduce a Doppler consistency loss that constrains correspondence-induced motion using radial velocity measured by the RF sensor itself. Ego-motion is then recovered through robust $\mathrm{SE}(2)$ registration that suppresses uncertain correspondences and those arising from independently moving objects. Without pose labels or auxiliary sensors, RFWalk remains competitive with supervised baselines in static scenes and reduces absolute trajectory error by 58% in dynamic scenes with moving pedestrians.
• Abstract（参考訳）: 高周波(RF)センシングは、暗黒、煙、霧などにおけるロボットのエゴモーション推定を可能にするが、マルチパスと移動反射器はクロスフレームマッチングを極めて曖昧にするため、RFオドメトリーは依然として困難である。 既存の方法は、しばしば補助慣性センサーや地上の姿勢監視に頼っている。 RFWalkは、空間時間グラフ上のランダムウォーキングとして、範囲方位フレーム間の密度対応をモデル化し、時間周期の整合性を通じてラベルなしシーケンスから学習する、自己教師付きRF専用オドメトリーフレームワークである。 本研究では, RFセンサ自体が測定した放射速度を用いて, 応答誘起運動を制約するドップラー整合損失を導入する。 エゴ運動はロバスト$\mathrm{SE}(2)$登録によって回復され、不確実な対応や独立に動く物体から生じるものを抑制する。 ポーズラベルや補助センサーがなければ、RFWalkは静的なシーンでは教師付きベースラインと競合し続け、動いた歩行者のダイナミックなシーンでは絶対軌道誤差を58%削減する。

関連論文リスト

• Self-Supervised Cardiac Phase Detection via Single-Parameter Latent Orbits [44.45620787098836]
  心エコー図におけるエンドジストール (ED) とエンドジストール (ES) の正確な同定は、心機能の定量化を支えている。 最近の自己監督手法は、厳密な周期軌道を規定するか、あるいは再構成や登録目的から制約のない低次元運動部分空間を学習する。 我々は、効率的な潜在軌道を学習し、EDローカライゼーションにおける技術の以前の状態を大幅に改善し、ESローカライゼーションにおいて、より制約のある表現とより少ないトレーニングエポックを用いて、それをマッチングする。
  論文  参考訳（メタデータ） (2026-09-10T14:56:16Z)
• Sen-Cap: Sensor-Flexible and Noise-Resilient Human Motion Capture via LiDAR-Camera Integration [50.18488308004802]
  Sen-Capは、LiDARとカメラのマルチモーダルデータを統合した3Dモーションキャプチャフレームワークである。 Sen-CapはHuman-M3とFreeMotionの主要なメトリクスで最先端のパフォーマンスを達成する。 この柔軟性と堅牢性の組み合わせは、現実のシナリオにおけるモーションキャプチャの新しい機会を開放する。
  論文  参考訳（メタデータ） (2026-08-03T14:16:18Z)
• Dense Soft Weighting for Radar Ego-Velocity Estimation [6.356174487225252]
  本稿では,エゴ速度推定のための分析レーダフロントエンドであるDense Soft Weightingを提案する。 すべてのレンジドップラーセルを2値検出閾値を強制するのではなく、連続した信頼度にマッピングする。 これは、最強のCFARポイントクラウドベースラインと比較して平均的な絶対的なポーズエラーを31-45%削減する。
  論文  参考訳（メタデータ） (2026-07-29T14:37:52Z)
• Counterfactual Motion Reliability Learning for Robust UAV Tracking [3.2658295979028753]
  赤外線無人航空機(UAV)の追跡は、標的が小さく、低コントラストであり、熱散逸器や散らばった背景と容易に混同されるため困難である。 近年のトランスフォーマーベースのトラッカーは、強い外観表現を学習することで有望な性能を実現している。 CMRTrackは、ロバストな赤外線UAV追跡のための非現実的なモーション信頼性学習フレームワークである。
  論文  参考訳（メタデータ） (2026-07-25T14:01:25Z)
• Physical Self-Supervised Learning: IMU Sensing without Manual Labels [10.122645401488084]
  ディープニューラルネットワークは、IMUベースのセンシングにおいて有望なアプローチとなっているが、そのスケーラビリティは、ラベル付きデータと、異種デバイス、配置、ユーザに対するロバスト性によって制限されている。 ラベルなしIMUセンシングのための自動エンコーダスタイルの物理自己教師学習を提案する。 従来のニューラルデコーダを自動適応型物理デコーダ(自動適応型物理デコーダ)に置き換える。
  論文  参考訳（メタデータ） (2026-07-20T14:01:10Z)
• A Model-Based Decoupling Strategy for Proprioception and Contact Sensing in an Architected Soft Manipulator [49.225033144914214]
  軟構造セグメントに埋め込まれた流体圧センサから, 受容・接触信号を分離するモデルベース戦略を提案する。 単一ITHセグメントでは, 相対曲げ誤差0.11+/-0.02, 接触検出率97%で, 主観的形状推定が可能である。
  論文  参考訳（メタデータ） (2026-07-17T03:03:19Z)
• Axle Sensor Fusion for Online Continual Wheel Fault Detection in Wayside Railway Monitoring [1.1199585259018456]
  本研究は,鉄道断層診断のためのセマンティック・アウェア,ラベル効率のよい連続学習フレームワークを提案する。 このモデルは、フラットやポリゴン化による小さな欠陥を検出しながら、進化する運用条件に適応する。
  論文  参考訳（メタデータ） (2026-02-18T00:14:18Z)
• Driving in Spikes: An Entropy-Guided Object Detector for Spike Cameras [62.94986160782233]
  スパイクカメラは、マイクロ秒のレイテンシとオブジェクト検出のための超高ダイナミックレンジを提供する。 希少で離散的な出力は標準画像ベースの検出器では処理できない。 デュアルブランチ設計によるエンド・ツー・エンドのスパイクカメラ検出器EASDを提案する。 DSEC Spikeは、最初の駆動指向シミュレートされたスパイク検出ベンチマークである。
  論文  参考訳（メタデータ） (2025-11-19T14:16:17Z)
• Federated Spatiotemporal Graph Learning for Passive Attack Detection in Smart Grids [2.721477719641864]
  本稿では,時間的ウィンドウ上で物理層と行動指標を融合させて受動的攻撃を検出するグラフ中心型マルチモーダル検出器を提案する。 テスト精度は98.32%、シーケンス毎の93.35%を0.15% FPRで達成している。
  論文  参考訳（メタデータ） (2025-09-29T08:52:30Z)
• Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
  マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。 既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。 本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
  論文  参考訳（メタデータ） (2025-08-03T12:06:47Z)

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。