KalmanNetに基づく適応的学習状態推定
arXiv cs.RO / 2026/4/6
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、実世界のマルチセンサーデータに基づく自動運転向けに設計された、Adaptive Multi-modal KalmanNet（AM-KNet）という学習型のハイブリッド状態推定器を提案する。
- AM-KNetは、センサ固有の計測モジュールを追加し、ネットワークがレーダ、ライダ、カメラのノイズ特性をそれぞれ独立に学習できるようにすることで、センサ間での頑健性を向上させる。
- コンテキスト変調を備えたハイパーネットワークにより、対象物の種類、運動状態、相対姿勢に応じてフィルタリング挙動を適応させ、多様な交通シナリオに対応する。
- 推定不確実性の扱いを改善するために、Josephの形式を用いた共分散推定ブランチを追加し、推定誤差とイノベーションに対する負の対数尤度（negative log-likelihood）損失で学習する。
- nuScenesおよびView-of-Delftでの実験により、基本となるKalmanNetよりも推定精度と追跡の安定性が向上し、従来のベイズフィルタとのギャップを縮小できることを示す。
