論文の概要: A Class of Bayesian Conjugate Distributions on $SE_n(3)$ for Motion Estimation
- arxiv url: http://arxiv.org/abs/2611.16822v1
- Date: Thu, 12 Nov 2026 13:58:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.482983
- Title: A Class of Bayesian Conjugate Distributions on $SE_n(3)$ for Motion Estimation
- Title(参考訳): 運動推定のための$SE_n(3)$上のベイズ共役分布のクラス
- Abstract要約: 本稿では,グローバルな動きの不確実性表現と推定のための新しい共役分布(BCD)について述べる。
確率を最大化し平均二乗誤差推定を行うランダム状態推定として2つの手段が抽出される。
クラス内では、モーメントマッチングはクルバック・リーバーの発散を最小限に抑えるように示され、最大可能性も導出される。
- 参考スコア(独自算出の注目度): 13.640532201420763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes a novel class of Bayesian Conjugate Distributions (BCDs) on extended special Euclidean groups SE_n(3) for global motion uncertainty representation and estimation. BCDs are constructed by restricting matrix Gaussian distributions on ambient Euclidean space to SE_n(3), avoiding singularity of local coordinates. The unique feature of BCDs is their conjugacy to a broad class of sampling distributions arising in motion estimation, enabling exact closed-form Bayesian inference. Optimal estimation with respect to BCDs is further investigated for implementing motion estimation. Two means are extracted as random state estimates, which maximize probability and minimize mean squared error, respectively. Moreover, within the BCD class, moment matching is shown to minimize the Kullback-Leibler divergence, and maximum likelihood estimation is also derived, which provide analytical methods to approximate underlying distributions with the optimality guarantee. As an application, a Bayesian estimator for pose and velocity estimation of an Unmanned Aerial Vehicle (UAV) is developed within an assumed density filtering architecture. The propagation and estimate extraction leverage the optimal estimation related to BCDs, and the landmark measurements are exactly fused with the BCD prior in closed form due to the conjugacy. Numerical simulations of a UAV flight indicate the advantages of BCD-based estimators over two classic Kalman filters on Lie groups with various initial uncertainties and measurement noise.
- Abstract(参考訳): 本稿では,グローバルな動きの不確実性表現と推定のために,拡張特殊ユークリッド群SE_n(3)上のベイズ共役分布(BCD)の新しいクラスを提案する。
BCDは、周囲ユークリッド空間上の行列ガウス分布をSE_n(3)に制限し、局所座標の特異性を避けることによって構成される。
BCDのユニークな特徴は、運動推定によって生じる広い種類のサンプリング分布との共役性であり、正確な閉形式ベイズ推論を可能にすることである。
さらに, 動作推定を行うために, BCDに対する最適推定について検討した。
確率を最大化し平均二乗誤差を最小化するランダム状態推定として2つの手段が抽出される。
さらに、BCDクラス内では、モーメントマッチングはクルバック・リーバーの発散を最小限に抑えることが示され、最大推定値も導出され、最適性保証付き基底分布を近似する解析的手法が提供される。
推定密度フィルタリングアーキテクチャにおいて,無人航空機 (UAV) のポーズと速度推定のためのベイズ推定器を開発した。
伝搬と推定はBCDに関する最適推定を利用しており、ランドマークの測定は共役性により閉じた形でBCDと正確に融合する。
UAV飛行の数値シミュレーションは、様々な初期不確かさと測定ノイズを持つリー群上の2つの古典カルマンフィルタに対するBCDに基づく推定器の利点を示している。
関連論文リスト
- Bootstrap Inference for Riemannian Optimization Problems [4.42872488516345]
我々は、多様体ベースのパラメータのためのオンライン乗算ブートストラップを開発した。
この方法は、元のアルゴリズムと並行して重み付けされたイテレーションを実行し、それぞれのパスが同じ観測値を使用して、自身の状態と平均を更新する。
局所的な安定性と規則性の条件下では、一貫性のブートストラップを確立し、本質的に有効な学生間隔と信頼領域に対して、一定数の経路が十分であることを示す。
論文 参考訳(メタデータ) (2026-10-31T13:48:55Z) - Inference and Uncertainty Quantification for Streaming $r$-PCA [0.40105987447353786]
Ojaのアルゴリズムを用いてPCAをストリーミングする際の2つのオープンな問題に対処する。
両大口径スパーステール系において, 対数的因子まで, 一致した下界を証明した。
論文 参考訳(メタデータ) (2026-08-18T23:02:28Z) - Likelihood-Free Adaptive Bayesian Inference via Nonparametric Distribution Matching [2.0319002824093015]
本稿では,従来のデータ空間の相違を回避したフレームワークであるAdaptive Bayesian Inference (ABI)を提案する。
ABIは、後続分布間のばらつきを測定する問題を、条件付き量子レグレッションタスクのトラクタブルシーケンスに変換する。
ABIはデータベースであるWasserstein, 要約ベースABC, 最先端の可能性のないシミュレータを著しく上回っていることを実証する。
論文 参考訳(メタデータ) (2025-05-07T17:50:14Z) - Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。
その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。
この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文 参考訳(メタデータ) (2024-10-17T16:42:12Z) - Quasi-Bayes meets Vines [2.3124143670964448]
我々は、スクラーの定理を用いて、準ベイズ予想を高次元に拡張する別の方法を提案する。
提案した準ベイジアンVine (QB-Vine) は完全に非パラメトリックな密度推定器であることを示す。
論文 参考訳(メタデータ) (2024-06-18T16:31:02Z) - Sampling and estimation on manifolds using the Langevin diffusion [45.57801520690309]
離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。
誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
論文 参考訳(メタデータ) (2023-12-22T18:01:11Z) - Double Robust Bayesian Inference on Average Treatment Effects [2.458652618559425]
不整合下での平均処理効果(ATE)に対する二重頑健なベイズ推定法を提案する。
新しいベイズ的アプローチでは、まず条件付き平均関数の事前分布を調整し、得られた ATE の後方分布を補正する。
論文 参考訳(メタデータ) (2022-11-29T15:32:25Z) - Optimal Scaling for Locally Balanced Proposals in Discrete Spaces [65.14092237705476]
離散空間におけるMetropolis-Hastings (M-H) アルゴリズムの効率は、対象分布に依存しない受容率によって特徴づけられることを示す。
最適受容率の知識は、連続空間におけるステップサイズ制御と直接的に類似して、離散空間における提案分布の近傍サイズを自動的に調整することを可能にする。
論文 参考訳(メタデータ) (2022-09-16T22:09:53Z) - Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。
一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文 参考訳(メタデータ) (2022-02-23T06:11:49Z) - Variational Refinement for Importance Sampling Using the Forward
Kullback-Leibler Divergence [77.06203118175335]
変分推論(VI)はベイズ推論における正確なサンプリングの代替として人気がある。
重要度サンプリング(IS)は、ベイズ近似推論手順の推定を微調整し、偏りを逸脱するためにしばしば用いられる。
近似ベイズ推論のための最適化手法とサンプリング手法の新たな組み合わせを提案する。
論文 参考訳(メタデータ) (2021-06-30T11:00:24Z) - Distributionally Robust Bayesian Quadrature Optimization [60.383252534861136]
確率分布が未知な分布の不確実性の下でBQOについて検討する。
標準的なBQOアプローチは、固定されたサンプル集合が与えられたときの真の期待目標のモンテカルロ推定を最大化する。
この目的のために,新しい後方サンプリングに基づくアルゴリズム,すなわち分布的に堅牢なBQO(DRBQO)を提案する。
論文 参考訳(メタデータ) (2020-01-19T12:00:33Z)
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。