論文の概要: Auditing Targetless Camera-LiDAR Extrinsic Correction before Recursive Use
- arxiv url: http://arxiv.org/abs/2611.04397v1
- Date: Tue, 03 Nov 2026 06:30:51 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:37:47.089887
- Title: Auditing Targetless Camera-LiDAR Extrinsic Correction before Recursive Use
- Title（参考訳）: 再帰的使用前におけるターゲットレスカメラ-LiDAR外乱補正の検討
- Abstract要約: 本研究では,修正品質,信頼性ランキング,再帰リスクを個別に監査した後のみ,目標のない修正を下流の消費者に認めるべきかどうかを検討する。
本プロトコルは,Argoverse 2上での合成外在的ドリフト下でのこれらのステージを評価し,境界診断としてクロスデータセットおよびオドメトリー実験を取り扱う。
- 参考スコア（独自算出の注目度）: 6.25925947840146
- License:
- Abstract: Camera-LiDAR fusion repeatedly uses an extrinsic transform in projection, association, and recursive state estimation. We study whether a targetless correction should be admitted to a downstream consumer only after separate audits of correction quality, confidence ranking, and recursive risk. Our log-disjoint protocol evaluates these stages under synthetic extrinsic drift on Argoverse 2 and treats cross-dataset and odometry experiments as bounded diagnostics. On 27 test-split logs, single-frame Canny alignment is harmful in the mild tier. Multi-frame alignment improves severe-tier rotation by 2.52 degrees but worsens translation by 0.177 m; its declared joint error-magnitude improvement is also negative (-0.158, 95% CI [-0.223, -0.098]), so the rotation gain is not a six-degree-of-freedom correction success. A zero-injection check moves away from the true extrinsic, and solver-disagreement AUROC on selected splits does not yield a validated nonzero-coverage risk-coverage operating point. In a 15-log final system role, the locked conservative policy admits no candidate and equals Raw, whereas Always-correct increases trajectory error. These results support an auditable separation of correction, confidence, and recursive contamination; they do not establish a deployable calibration gate, positive odometry or SLAM improvement, map consistency, or closed-loop safety.
- Abstract（参考訳）: カメラ-LiDAR融合は、投射、アソシエーション、再帰状態推定において、外部変換を繰り返し使用する。
本研究は,修正品質,信頼性ランキング,再帰リスクを個別に監査した後のみ,目標のない修正を下流の消費者に認めるべきかどうかを検討する。
本プロトコルは,Argoverse 2上での合成外在的ドリフト下でのこれらのステージを評価し,境界診断としてクロスデータセットおよびオドメトリー実験を取り扱う。
27のテスト分割ログでは、単一フレームのCannyアライメントは軽度層では有害である。
多重フレームアライメントは重層回転を2.52度改善するが、変換を0.177m悪化させる。
ゼロインジェクションチェックは真の外部からの移動であり、選択された分割に対するソルバ診断AUROCは、検証されたゼロカバーのリスク被覆動作点を生じさせない。
15-logの最終システムロールでは、ロックされた保守的ポリシーは候補を認めず、Rawと等しいが、Always-correctは軌道誤差を増大させる。
これらの結果は、配置可能なキャリブレーションゲート、正のオドメトリーまたはSLAMの改善、マップの整合性、クローズドループの安全性を確立していないため、修正、信頼性、再帰的な汚染の監査可能な分離をサポートする。
関連論文リスト
- VeriCalib: Verifiable Target-Based LiDAR-Camera Calibration [55.182280281702845]
ターゲットに基づく外部キャリブレーションは、既知のターゲットのいくつかの観測から、センサ間の剛性変換を推定する。
適合残差のルート平均二乗誤差は、結果を受け入れ、再抽出し、再帰し、観察を追加するかどうかを示すことができない。
本稿では,外因性キャリブレーションを検証可能な推定問題として定式化するVeriCalibを提案する。
論文 参考訳（メタデータ） (2026-10-20T18:21:00Z) - Auditing Routing Entropy as an Uncertainty Signal in Attention-Residual Transformers [14.727396825167917]
We audit that reading for routing entropy in Attention-Residual (AR)variants of Swin-Tiny and DeiT-Small。
我々は、このトレースが、モデル自身の自信が明らかにしている以上の正確性に関する情報を持っているかどうかを問う。
論文 参考訳（メタデータ） (2026-10-01T11:37:19Z) - Testing-Driven Reliability Audit of Trajectory-Based Early Outcome Prediction for LLM Agents: Target-Specific Calibration Transfer Persists Within a Single Benchmark [0.0]
軌道に基づく早期結果の予測は、結果が十分に予測可能になったときにランを終了させることにより、エージェント評価に関連する費用を削減できる。
このような転送障害がエージェントシステムにまたがっているのか、あるいは特定のターゲットエージェント/ヘッドの組み合わせに集中しているのかは不明だ。
パブリックなSWE-bench Verified trajectoriesと凍結したデュアルヘッド早期アウト予測パイプラインを使用して、我々は、Left-one-agent-out calibration auditを実行した。
論文 参考訳（メタデータ） (2026-09-22T03:57:30Z) - When Residualization Helps an Audit: Format Effects, Slice Gains, and Their Limits [0.7734726150561088]
LLMシステムで使用される評価スコアは、測定する品質ではなく、表面形状を追跡することができる。
観測的NLIおよびQA設定では、不随伴アノテータのラベルを用いて評価する前に、保持された複製を凍結し、再評価する。
完全な人口合意は、報告された正のスライスゲインを持つすべての観測条件に該当し、要求内ランキングはそのようなQA設定すべてに該当する。
論文 参考訳（メタデータ） (2026-09-21T07:06:37Z) - Symmetry-Aware Likelihood-Orbit Aggregation for Selective Left-Right Claim Verification [14.108900142001628]
クローズド形式のコントラストであるRelation-Orbitを導入する。
VSRとGQAの4つの凍結された視覚言語モデルでは、Relation-Orbitは10%選択リスクキャリブレーションターゲットで平均テストカバレッジを高くする。
論文 参考訳（メタデータ） (2026-09-15T11:19:03Z) - A Controlled Audit of Architectural Complexity in Uncertainty-Aware Multi-Organ Ultrasound Classification [19.598719060464866]
多臓器超音波分類器は、注意力、熟練者の混在、不確実性ゲーティング、そして明らかな深層学習(EDL)の目的を組み合わさりつつある。
本稿では,最大公示候補であるFull-EDLと簡易な代替品との展開決定に応用した,制御された複雑性監査フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-28T08:30:43Z) - Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。
我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
論文 参考訳（メタデータ） (2026-08-14T03:41:30Z) - SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。
自己検証を計算制御ポリシとして使用することを学ぶ。
マクロ平均精度は0.563で、平均で2.99回しか推測できない。
論文 参考訳（メタデータ） (2026-07-30T16:20:58Z) - What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。
複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
論文 参考訳（メタデータ） (2026-06-19T06:04:17Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z)
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。