日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

センサ融合/位置推定arXiv:2603.12849

AoI-FusionNet: 疎な測距条件下でのUWB-IMUの年齢認識型密結合融合

AoI-FusionNet: Age-Aware Tightly Coupled Fusion of UWB-IMU under Sparse Ranging Conditions

シェア:XThreadsFacebookLINEはてブBluesky

雪崩粒子の動き追跡のため、GNSSが使えない環境でUWBとIMUの生データを直接融合し、測距が少ない状況でも頑健な3次元軌道推定を実現する深層学習フレームワークを提案した。

詳しい要約

1. どんなもの?

- GNSS-denied環境での雪粒子追跡向け3D軌道推定 - UWB ToFとIMUを直接融合する密結合深層学習フレームワーク - AoI-aware減衰モジュールと学習型attention gatingを統合 - 拡散ベース残差拡張で訓練するAoI-FusionNet-DGANも提案

2. 先行研究と比べてどこがすごい?

- 中間trilaterationに基づくloose-coupledパイプラインと異なる - 異種センサ入力を直接扱い、測距不足時も定位可能 - UWB multilaterationやloose-coupled fusionベースラインより平均・裾誤差を大幅低減

3. 技術・手法の肝は?

- UWB ToF生測定とIMUデータを密結合で融合 - AoI-aware decay moduleで古いUWB測距の影響を低減 - learned attention gatingでUWBとIMUの寄与を適応的にバランス - 訓練時にdiffusion-based residual augmentationを適用

4. どうやって有効だと検証した?

- アルプス環境で収集した実世界測定データのオフライン後処理 - UWB multilaterationおよびloose-coupled fusionベースラインと比較 - 断続的・劣化センシング条件下で平均・裾定位誤差の低減を実証

5. 議論はある?

- 要旨からは不明

6. 次に読むべき論文は?

- UWB multilateration - loose-coupled fusion - diffusion-based residual augmentation - Age-of-Information (AoI) aware fusion

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Tehmina Bibi, Anselm Köhler, Jan-Thomas Fischer, Falko Dressler

分類: eess.SP, cs.RO

原文アブストラクト

Accurate motion tracking of snow particles in avalanche events requires robust localization in global navigation satellite system (GNSS)-denied outdoor environments. This paper introduces AoI-FusionNet, a tightly coupled deep learning-based fusion framework that directly combines raw ultra-wideband (UWB) time-of-flight (ToF) measurements with inertial measurement unit (IMU) data for 3D trajectory estimation. Unlike loose-coupled pipelines based on intermediate trilateration, the proposed approach operates directly on heterogeneous sensor inputs, enabling localization even under insufficient ranging availability. The framework integrates an Age-of-Information (AoI)-aware decay module to reduce the influence of stale UWB ranging measurements and a learned attention gating mechanism that adaptively balances the contribution of UWB and IMU modalities based on measurement availability and temporal freshness. To evaluate robustness under limited data and measurement variability, we apply a diffusion-based residual augmentation strategy during training, producing an augmented variant termed AoI-FusionNet-DGAN. We assess the performance of the proposed model using offline post-processing of real-world measurement data collected in an alpine environment and benchmark it against UWB multilateration and loose-coupled fusion baselines. The results demonstrate that AoI-FusionNet substantially reduces mean and tail localization errors under intermittent and degraded sensing conditions.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI