論文の概要: Neural Networks Versus Conventional Filters for Inertial-Sensor-based Attitude Estimation

• arxiv url: http://arxiv.org/abs/2005.06897v2
• Date: Wed, 3 Jun 2020 20:50:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 04:48:27.282694
• Title: Neural Networks Versus Conventional Filters for Inertial-Sensor-based Attitude Estimation
• Title（参考訳）: 慣性センサに基づく姿勢推定のためのニューラルネットワークと従来のフィルタ
• Authors: Daniel Weber, Clemens G\"uhmann and Thomas Seel
• Abstract要約: 慣性測定ユニットは、移動する物体の姿勢を推定するために一般的に使用される。 センサ融合問題の解法として非線形フィルタ法が提案されている。 人工ニューラルネットワークによってこれらの制限が克服できる範囲について検討する。
• 参考スコア（独自算出の注目度）: 1.0957528713294873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inertial measurement units are commonly used to estimate the attitude of moving objects. Numerous nonlinear filter approaches have been proposed for solving the inherent sensor fusion problem. However, when a large range of different dynamic and static rotational and translational motions is considered, the attainable accuracy is limited by the need for situation-dependent adjustment of accelerometer and gyroscope fusion weights. We investigate to what extent these limitations can be overcome by means of artificial neural networks and how much domain-specific optimization of the neural network model is required to outperform the conventional filter solution. A diverse set of motion recordings with a marker-based optical ground truth is used for performance evaluation and comparison. The proposed neural networks are found to outperform the conventional filter across all motions only if domain-specific optimizations are introduced. We conclude that they are a promising tool for inertial-sensor-based real-time attitude estimation, but both expert knowledge and rich datasets are required to achieve top performance.
• Abstract（参考訳）: 慣性測定単位は、移動物体の姿勢を推定するために一般的に用いられる。 センサ融合問題の解法として, 非線形フィルタ法が多数提案されている。 しかし,多種多様な動的・静的回転・翻訳運動が考慮される場合,加速度計とジャイロスコープ融合重みの状況依存調整の必要性により,到達可能な精度が制限される。 我々は,これらの制限が,ニューラルネットワークによってどの程度克服できるか,従来のフィルタソリューションよりもどれ程のドメイン固有のニューラルネットワークモデルの最適化が必要かを検討する。 マーカベースの光学的基底真理を持つ多様なモーション記録セットは、性能評価と比較に使用される。 提案したニューラルネットワークは、ドメイン固有の最適化を導入する場合にのみ、従来のフィルタよりも優れた性能を示す。 それらは慣性センサに基づくリアルタイム姿勢推定に有望なツールであると結論づけるが、専門家の知識と豊富なデータセットの両方が、最高パフォーマンスを達成するために必要となる。

関連論文リスト

• Physics-Enhanced Graph Neural Networks For Soft Sensing in Industrial Internet of Things [6.374763930914524]
  産業用IoT(Industrial Internet of Things)は、製造業、産業プロセス、インフラ管理を変革している。 高度に信頼性の高いIIoTを実現するには、大量のセンサーをインストールするコスト、既存のシステムにセンサーを組み直す際の制限、センサーの設置を非現実的にする厳しい環境条件などの要因が伴う。 物理の原理をグラフベースの方法論に統合する物理強化グラフニューラルネットワーク(GNN)を提案する。
  論文  参考訳（メタデータ） (2024-04-11T18:03:59Z)
• Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object Tracking [3.5693768338940304]
  本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。 最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。 第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
  論文  参考訳（メタデータ） (2024-02-15T10:47:44Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• RIOT: Recursive Inertial Odometry Transformer for Localisation from Low-Cost IMU Measurements [5.770538064283154]
  我々は,慣性データにおける空間的特徴と長距離依存性の両方を自己注意を利用して捉えた,不変な深部慣性音韻のポーズのための2つのエンドツーエンドフレームワークを提案する。 我々は、同じデータで同じ方法で訓練されたカスタム2層Gated Recurrent Unitに対するアプローチを評価し、複数の異なるユーザ、デバイス、アクティビティに対してそれぞれのアプローチをテストした。
  論文  参考訳（メタデータ） (2023-03-03T00:20:01Z)
• Simple initialization and parametrization of sinusoidal networks via their kernel bandwidth [92.25666446274188]
  従来の活性化機能を持つネットワークの代替として、活性化を伴う正弦波ニューラルネットワークが提案されている。 まず,このような正弦波ニューラルネットワークの簡易版を提案する。 次に、ニューラルタンジェントカーネルの観点からこれらのネットワークの挙動を分析し、そのカーネルが調整可能な帯域幅を持つ低域フィルタを近似することを実証する。
  論文  参考訳（メタデータ） (2022-11-26T07:41:48Z)
• Sensor-Guided Optical Flow [53.295332513139925]
  本稿では、未知の領域や未知の領域において、より優れた精度を実現するために、外部キューを用いた光フローネットワークを誘導するフレームワークを提案する。 能動センサからの深度測定と幾何および手作り光学フローアルゴリズムを組み合わせることで,これらがどのように得られるかを示す。
  論文  参考訳（メタデータ） (2021-09-30T17:59:57Z)
• Robust Neural Networks Outperform Attitude Estimation Filters [0.3867363075280543]
  RIANNは、堅牢なIMUベースの姿勢推定のためのリアルタイム対応ニューラルネットワークです。 我々は2つの公開データセットをメソッド開発とトレーニングに活用する。 3つの異なるテストシナリオでトレーニングされたニューラルネットワークを評価するために、4つのまったく異なるデータセットを追加します。
  論文  参考訳（メタデータ） (2021-04-15T11:40:25Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)
• Distance-Based Regularisation of Deep Networks for Fine-Tuning [116.71288796019809]
  我々は,仮説クラスを,初期訓練前の重みを中心にした小さな球面に制約するアルゴリズムを開発した。 実験的な評価は、我々のアルゴリズムがうまく機能していることを示し、理論的な結果を裏付けるものである。
  論文  参考訳（メタデータ） (2020-02-19T16:00:47Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)
• Development of Use-specific High Performance Cyber-Nanomaterial Optical Detectors by Effective Choice of Machine Learning Algorithms [14.569246848322983]
  サイバーナノマテリアル検出器におけるMLアルゴリズムの最適選択は、主に特定の用途を考慮して決定される。 検出性能の長期ドリフトを1年間にわたって追跡・モデル化することにより,再校正を必要とせずに予測精度を向上させることができることを示す。
  論文  参考訳（メタデータ） (2019-12-26T02:44:55Z)

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。