2026/8/1arXiv:2608.12528

Excitation-Supervised Closed-Loop Self-Calibration and Target Seeking for an Unknown-Pose Range-Bearing Relay

詳しい要約

1. どんなもの？

未知の位置とヨーを持つrange-bearing relayを介して隠れたターゲットを探索する車両について、オンラインでリレーの較正が信頼できるかどうかを判断し、未較正時の動作を決定する閉ループ制御層を提供する。具体的には、軌道の広がりマージン$S_v$を用いて励起リセットコントローラを監督し、較正が不十分な場合は探索動作を再トリガし、十分な場合は無制限のターゲット探索に進むアルゴリズムを提案する。

2. 先行研究と比べてどこがすごい？

先行研究（arXiv:2608.09464）では、較正ゲージを除去する2つの車両相対観測が静的に分類されるだけで、保存されたウィンドウを事後的に分類するに留まる。本研究は、識別可能性を支配する$S_v$が同時に有限ノイズシード精度境界、局所ベクトル分散分解、円幾何励起予算であることを示し、これを励起リセットコントローラの監督に用いる閉ループ層を追加した点が新しい。

3. 技術・手法の肝は？

手法の核は、軌道の広がりマージン$S_v$を識別可能性の指標として用い、励起リセットコントローラを監督すること。具体的には、スプレッド証明書が不十分な場合に探索動作を再トリガし、ターゲット探索入力を励起の押しから遠ざける。明示的なサンプリング仮定の下で、監督規則が有限時間で必要な励起を獲得することを証明し、ノイズなし局所領域で正の励起減衰がある場合、推定器収束が認証後のターゲット探索収束をもたらす。閾値は所望の較正精度レベルから選択される。

4. どうやって有効だと検証した？

閉ループシミュレーション、ペアのMonte Carlo比較、スプレッド閾値アブレーション、センシング遅延を伴うROS 2/Gazeboソフトウェアインザループ実験で検証した。減衰率スイープでは、固定スケジュールの減衰が未知の適切な励起までの時間を上回る場合に監督が重要であることを示し、100ペアの試行で固定ベースラインのヨーRMSEが0.010から0.065 radに上昇し成功率が56%に低下する一方、監督はヨーRMSEを0.0095から0.0191 radに保ち成功率100%を達成した。

5. 議論はある？

要旨からは、提案手法の限界や前提条件に関する議論は明示されていない。ただし、明示的なサンプリング仮定やノイズなし局所領域での収束証明など、理論的保証には条件があることが示唆される。また、ターゲット追跡誤差は監督の有無で影響を受けないとされるが、その理由や実世界での適用可能性についての議論は要旨からは不明。

6. 次に読むべき論文は？

要旨で参照されている先行研究（arXiv:2608.09464）が次に読むべき論文として挙げられる。また、関連する手法として、range-bearing relay較正、閉ループ自己較正、励起ベースの制御、ROS 2/Gazeboシミュレーションを用いたロボティクス研究が考えられる。

※ 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: Yash Bagla

分類: eess.SY, cs.RO, cs.SY

原文アブストラクト

A vehicle seeking a hidden target through a range-bearing relay of unknown position and yaw must decide, online, whether its own motion has already made the relay calibration trustworthy, and what to do when it has not. Two distinct vehicle-relative observations are known to remove the calibration gauge and make the target's relay-local packet globally actionable (arXiv:2608.09464), but that statement is static: it classifies a stored window only after the fact. This paper supplies the closed-loop layer: we show that the trajectory-spread margin $S_v$ that governs identifiability is simultaneously a finite-noise seed-accuracy bound, a local-vector variance decomposition, and a circle-geometry excitation budget, and we use it to supervise an excitation-reset controller. An excitation-supervised algorithm retriggers exploratory motion whenever the spread certificate is insufficient, projecting the target-seeking input away from the excitation's push, and otherwise proceeds to unrestricted target seeking. Under explicit sampling assumptions the supervision rule provably acquires any required excitation in finite time; in the noiseless local regime with positive excitation decay, estimator convergence yields target-seeking convergence after certification; and the threshold is selected from a desired calibration-accuracy level rather than chosen heuristically. Closed-loop simulation, paired Monte Carlo comparisons, a spread-threshold ablation, and a ROS 2/Gazebo software-in-the-loop experiment with sensing delay validate the approach. A decay-rate sweep shows that supervision matters when a fixed schedule's decay outruns the unknown time-to-adequate-excitation: over 100 paired trials the fixed baseline's yaw RMSE rises from 0.010 to 0.065 rad and success falls to 56%, while target-tracking error remains insensitive; supervision keeps yaw RMSE between 0.0095 and 0.0191 rad with 100% success.

arXivで原文を読む →arXiv概要ページ

← 論文一覧