論文の概要: Inertial Sensing Meets Artificial Intelligence: Opportunity or Challenge?

• arxiv url: http://arxiv.org/abs/2007.06727v1
• Date: Mon, 13 Jul 2020 22:33:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 00:24:18.756433
• Title: Inertial Sensing Meets Artificial Intelligence: Opportunity or Challenge?
• Title（参考訳）: Inertial Sensingが人工知能に挑戦:チャンスか挑戦か?
• Authors: You Li, Ruizhi Chen, Xiaoji Niu, Yuan Zhuang, Zhouzheng Gao, Xin Hu, Naser El-Sheimy
• Abstract要約: 本稿では,AI技術を用いて様々な側面からの慣性感覚を高める研究について概説する。 センサーの設計と選択、キャリブレーションとエラーモデリング、ナビゲーションとモーションセンシングアルゴリズム、マルチセンサー情報融合、システム評価、実用的な応用が含まれる。 AIによって強化された慣性センシングの9つの利点と9つの課題をまとめた上で、今後の研究方向性を指摘する。
• 参考スコア（独自算出の注目度）: 12.244109673209769
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The inertial navigation system (INS) has been widely used to provide self-contained and continuous motion estimation in intelligent transportation systems. Recently, the emergence of chip-level inertial sensors has expanded the relevant applications from positioning, navigation, and mobile mapping to location-based services, unmanned systems, and transportation big data. Meanwhile, benefit from the emergence of big data and the improvement of algorithms and computing power, artificial intelligence (AI) has become a consensus tool that has been successfully applied in various fields. This article reviews the research on using AI technology to enhance inertial sensing from various aspects, including sensor design and selection, calibration and error modeling, navigation and motion-sensing algorithms, multi-sensor information fusion, system evaluation, and practical application. Based on the over 30 representative articles selected from the nearly 300 related publications, this article summarizes the state of the art, advantages, and challenges on each aspect. Finally, it summarizes nine advantages and nine challenges of AI-enhanced inertial sensing and then points out future research directions.
• Abstract（参考訳）: 慣性航法システム(INS)は、インテリジェント輸送システムにおいて自己完結型かつ連続的な運動推定を提供するために広く利用されている。 近年,チップレベルの慣性センサの出現により,位置決めやナビゲーション,モバイルマッピングから位置情報サービス,無人システム,輸送ビッグデータに至るまで,関連する応用が拡大されている。 一方、ビッグデータの出現とアルゴリズムと計算能力の改善の恩恵を受け、人工知能(AI)は様々な分野で成功しているコンセンサスツールとなっている。 本稿では,センサ設計と選択,キャリブレーションとエラーモデリング,ナビゲーションとモーションセンシングアルゴリズム,マルチセンサ情報融合,システム評価,実用化など,さまざまな側面から慣性感覚を強化するためにAI技術を用いた研究についてレビューする。 本稿は,300近い関連出版物の中から選択された30以上の代表記事をもとに,各分野における技術の現状,長所,課題をまとめたものである。 最後に、aiによる慣性センシングの9つの利点と9つの課題を要約し、今後の研究の方向性を指摘する。

関連論文リスト

• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• A Survey of Generative AI for Intelligent Transportation Systems: Road Transportation Perspective [7.770651543578893]
  我々は、異なる生成AI技術の原則を紹介する。 我々は,ITSにおけるタスクを,交通認識,交通予測,交通シミュレーション,交通意思決定の4つのタイプに分類する。 これらの4種類のタスクにおいて、生成的AI技術が重要な問題にどのように対処するかを説明する。
  論文  参考訳（メタデータ） (2023-12-13T16:13:23Z)
• Inertial Navigation Meets Deep Learning: A Survey of Current Trends and Future Directions [15.619053656143564]
  近年,慣性センシングやセンサ融合の分野では,機械学習や深層学習技術の発達が著しく進んでいる。 本稿では,慣性センシングとセンサ融合のための深層学習手法を詳細に検討する。 キャリブレーションとデノナイズのための学習手法と、純粋な慣性航法とセンサ融合を改善するためのアプローチについて議論する。
  論文  参考訳（メタデータ） (2023-06-22T14:32:23Z)
• Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
  この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。 欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
  論文  参考訳（メタデータ） (2022-12-10T07:49:50Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
  高速物体把握のための完全自律飛行ロボットが提案されている。 追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。 我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
  論文  参考訳（メタデータ） (2021-12-10T11:49:51Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• Toward a Rational and Ethical Sociotechnical System of Autonomous Vehicles: A Novel Application of Multi-Criteria Decision Analysis [0.0]
  人工知能(AI)と自律システムの拡張は、膨大な社会的利益を生み出す可能性を示している。 知的エージェントのシステム開発を可能にするために、関連する社会的懸念に対処する必要がある。
  論文  参考訳（メタデータ） (2021-02-04T23:52:31Z)
• Sensor Artificial Intelligence and its Application to Space Systems -- A White Paper [35.78525324168878]
  このホワイトペーパーの目的は、専用の研究トピックとして"Sensor AI"を確立することである。 AIアプローチにおけるセンサーとその物理的特性を詳しく見ると、より堅牢で広く適用可能なアルゴリズムが生まれるだろう。 センサーAIは、自動運転だけでなく、自動生産、予測保守、宇宙研究の分野でも決定的な役割を果たす。
  論文  参考訳（メタデータ） (2020-06-09T14:10:35Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。