群制御2026/9/8arXiv:2609.09066

自律型水上艇を用いた分散コンセンサス粒子フィルタによる目標追跡

A Distributed Consensus Particle Filter for Target Tracking using Autonomous Surface Vessels

通信が断続的な複数の自律水上艇で目標追跡を行うため、外部データが無い場合に粒子を戦略的に拡散させて過信を防ぐ粒子フィルタの改良を提案し、湖上実験で性能を検証した。

詳しい要約

1. どんなもの？

本論文は、自律型水上艇（USV）を用いた広域海上ターゲット追跡のための分散コンセンサス粒子フィルタを提案する。中央集権的な調整や断続的な通信を前提とせず、各エージェントが独立に推定を維持しつつ、機会があれば通信を活用する。特に、外部センサノードからの情報更新がない場合に、局所推定が過信になる問題に対処するため、粒子を戦略的に拡散させる拡張を導入する。

2. 先行研究と比べてどこがすごい？

従来の分散粒子フィルタやコンセンサスアルゴリズムは、通信が断続的でない場合や、中央集権的な調整を前提とすることが多い。また、通信欠如時の過信問題を明示的に扱う研究は少ない。本手法は、古典的な粒子フィルタに拡張を加え、情報不足時に粒子を拡散させることで、過信を防ぎつつ、通常時の性能を劣化させない点が新しい。

3. 技術・手法の肝は？

手法の肝は、粒子フィルタのリサンプリングや重み更新に、通信の欠如を検知し、粒子を戦略的に拡散させるメカニズムを組み込む点である。具体的には、外部からの情報更新がない場合に、粒子の多様性を維持するために、粒子を広げる操作を加える。これにより、局所推定の過信を防ぎ、将来の通信機会に備える。

4. どうやって有効だと検証した？

実環境での検証として、湖上で複数のUSVを用いたターゲット追跡実験を行った。提案手法が通常時の性能を劣化させないこと、および特定のエッジケース（例えば、通信が長時間途絶する状況）で優位性を発揮することを示した。

5. 議論はある？

要旨からは、提案手法の理論的な収束性や、通信パターンやエージェント数が性能に与える影響の詳細な分析は不明である。また、拡散の度合いを決めるパラメータの調整方法や、実際の運用でのロバスト性についての議論は要旨には含まれていない。

6. 次に読むべき論文は？

要旨で参照されている関連研究は明示されていないが、分散コンセンサスアルゴリズムや粒子フィルタの基礎研究、およびマルチエージェント協調追跡に関する論文が関連する。具体的には、分散粒子フィルタの標準的な手法や、コンセンサスベースの推定手法を扱った論文が挙げられる。

※ 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: Carter Noh, Kyle Crandall, Connor Yates, Corbin Wilhelmi

分類: cs.RO

原文アブストラクト

Maritime target tracking over large distances often requires multi-agent teams without centralized coordination, and intermittent communication. Each agent must maintain an independent estimate that can take advantage of opportunistic communications availability when possible. This can lead to overly confident local estimates in the absence of external data. In this work, we propose an augmentation to a classical particle filter implementation that accounts for this potential source of error by forcing particles to spread strategically in the absence of informative updates from other sensor nodes. We demonstrate our method using Unmanned Surface Vessels (USVs) on a lake, and show that our augmentations do not deteriorate nominal performance, and provide an advantage in some specific edge cases.

arXivで原文を読む →arXiv概要ページ