論文の概要: DANAE: a denoising autoencoder for underwater attitude estimation

• arxiv url: http://arxiv.org/abs/2011.06853v1
• Date: Fri, 13 Nov 2020 10:53:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 00:47:28.514462
• Title: DANAE: a denoising autoencoder for underwater attitude estimation
• Title（参考訳）: ダナエ:水中姿勢推定のためのデノイジングオートエンコーダ
• Authors: Paolo Russo, Fabiana Di Ciaccio, Salvatore Troisi
• Abstract要約: DANAEは、カルマンフィルタIMU/AHRSデータ統合で動作する、姿勢推定のためのDenoising AutoeNcoderである。 本稿では、DANAEが堅牢で信頼性が高く、カルマンフィルタの結果を大幅に改善していることを示す。
• 参考スコア（独自算出の注目度）: 1.0312968200748116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the main issues for underwater robots navigation is their accurate positioning, which heavily depends on the orientation estimation phase. The systems employed to this scope are affected by different noise typologies, mainly related to the sensors and to the irregular noise of the underwater environment. Filtering algorithms can reduce their effect if opportunely configured, but this process usually requires fine techniques and time. In this paper we propose DANAE, a deep Denoising AutoeNcoder for Attitude Estimation which works on Kalman filter IMU/AHRS data integration with the aim of reducing any kind of noise, independently of its nature. This deep learning-based architecture showed to be robust and reliable, significantly improving the Kalman filter results. Further tests could make this method suitable for real-time applications on navigation tasks.
• Abstract（参考訳）: 水中ロボットナビゲーションの主な課題の1つは正確な位置決めであり、方向推定フェーズに大きく依存する。 この範囲に使用されるシステムは、主にセンサと水中環境の不規則な騒音に関連する様々なノイズタイプによって影響を受ける。 フィルタアルゴリズムは、最適に設定された場合、その効果を減らすことができるが、このプロセスは通常、細かな技術と時間を必要とする。 本稿では,カルマンフィルタIMU/AHRSデータ統合を利用する深層Denoising AutoeNcoder for Attitude Estimation(DANAE)を提案する。 このディープラーニングベースのアーキテクチャは堅牢で信頼性が高く、kalmanフィルタの結果を大幅に改善した。 さらなるテストにより、この方法はナビゲーションタスクのリアルタイムアプリケーションに適している。

関連論文リスト

• Performance Evaluation of Deep Learning-Based State Estimation: A Comparative Study of KalmanNet [0.26665679188139185]
  KF(Kalman Filters)は、リアルタイム状態推定アプリケーションの基本である。 本研究では,1つの代表的なモデルであるKalmanNetを,実環境下での性能を評価するために,自動車レーダデータに基づいて選定・評価した。 その結果、KalmanNetはIMMフィルタよりも優れており、KalmanNetのようなデータ駆動型メソッドは有望であるが、現在の信頼性と堅牢性の欠如は安全クリティカルなアプリケーションには不適であることを示した。
  論文  参考訳（メタデータ） (2024-11-25T20:59:14Z)
• AIDPS:Adaptive Intrusion Detection and Prevention System for Underwater Acoustic Sensor Networks [15.322411959318929]
  本稿では,水中音響センサネットワーク(UW-ASN)のための適応分散型侵入検知システム(AIDPS)を提案する。 提案したAIDPSは、UW-ASNのセキュリティを改善し、水中攻撃を効率的に検出することができる。
  論文  参考訳（メタデータ） (2023-09-14T14:07:11Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
  時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。 提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
  論文  参考訳（メタデータ） (2023-07-25T19:47:26Z)
• Adaptive ship-radiated noise recognition with learnable fine-grained wavelet transform [25.887932248706218]
  本稿では,適応型一般化認識システム AGNet を提案する。 固定ウェーブレットパラメータをきめ細かな学習可能なパラメータに変換することにより、AGNetは異なる周波数で水中音の特性を学習する。 実験の結果、AGNetは水中音響データセットのベースライン法を全て上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-05-31T06:56:01Z)
• A Hybrid Adaptive Velocity Aided Navigation Filter with Application to INS/DVL Fusion [0.0]
  慣性センサは非線形フィルタでAUVナビゲーションソリューションを推定するために使用される。 一般的な実践は、この行列がAUV操作中に固定されていると仮定することである。 学習に基づく適応速度支援ナビゲーションフィルタを提案する。
  論文  参考訳（メタデータ） (2022-10-08T06:59:50Z)
• Learning-based estimation of in-situ wind speed from underwater acoustics [58.293528982012255]
  水中音響から風速時系列を検索するための深層学習手法を提案する。 我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
  論文  参考訳（メタデータ） (2022-08-18T15:27:40Z)
• A Hybrid Model and Learning-Based Adaptive Navigation Filter [0.0]
  本稿では,ハイブリッドモデルと学習に基づく適応ナビゲーションフィルタを提案する。 提案手法は位置誤差が25%向上したことを示す。
  論文  参考訳（メタデータ） (2022-06-14T17:10:47Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Neural Kalman Filtering [62.997667081978825]
  カルマンフィルタの勾配差近似は,差分重み付き予測誤差を持つ局所計算のみを必要とすることを示す。 また、同じスキームの下では、ヘビアン可塑性に直接対応する学習規則で動的モデルを適応的に学習することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-19T16:43:15Z)

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。