論文の概要: Marine Vehicles Localization Using Grid Cells for Path Integration
- arxiv url: http://arxiv.org/abs/2107.13461v1
- Date: Wed, 28 Jul 2021 16:13:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-29 13:50:59.657231
- Title: Marine Vehicles Localization Using Grid Cells for Path Integration
- Title（参考訳）: 経路統合のためのグリッドセルを用いた海上車両位置推定
- Authors: Ignacio Carlucho, Manuel F. Bailey, Mariano De Paula, Corina Barbalata
- Abstract要約: グリッド細胞と呼ばれる新しい種類のニューロンは、脳内の経路統合システムの一部であることが示されている。
水中車両の位置推定にグリッドセルをどのように利用できるかを示す。
- 参考スコア（独自算出の注目度）: 5.505634045241289
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous Underwater Vehicles (AUVs) are platforms used for research and
exploration of marine environments. However, these types of vehicles face many
challenges that hinder their widespread use in the industry. One of the main
limitations is obtaining accurate position estimation, due to the lack of GPS
signal underwater. This estimation is usually done with Kalman filters.
However, new developments in the neuroscience field have shed light on the
mechanisms by which mammals are able to obtain a reliable estimation of their
current position based on external and internal motion cues. A new type of
neuron, called Grid cells, has been shown to be part of path integration system
in the brain. In this article, we show how grid cells can be used for obtaining
a position estimation of underwater vehicles. The model of grid cells used
requires only the linear velocities together with heading orientation and
provides a reliable estimation of the vehicle's position. We provide simulation
results for an AUV which show the feasibility of our proposed methodology.
- Abstract（参考訳）: 自律型水中車両 (Autonomous Underwater Vehicles, AUV) は、海洋環境の研究と探査に使用されるプラットフォームである。
しかし、この種の車両は業界における普及を妨げる多くの課題に直面している。
主な制限の1つは、水中GPS信号がないため正確な位置推定を得ることである。
この推定は通常カルマンフィルタを用いて行われる。
しかし、神経科学分野における新たな進展は、哺乳類が外的および内的運動の手がかりに基づいて現在の位置を信頼できる方法で推定できるメカニズムに光を当てている。
グリッド細胞と呼ばれる新しい種類のニューロンは、脳内の経路統合システムの一部であることが示されている。
本稿では,水中車両の位置推定にグリッドセルをどのように利用できるかを示す。
使用するグリッドセルのモデルは、方向方向と直線速度のみを必要とし、車両の位置の信頼性の高い推定を提供する。
提案手法の有効性を示すAUVのシミュレーション結果を提供する。
関連論文リスト
- NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。
我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。
NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
論文 参考訳（メタデータ） (2024-06-21T17:59:02Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Data-Driven Strategies for Coping with Incomplete DVL Measurements [15.619053656143564]
現実のシナリオでは、不完全なドップラー速度測定が行われ、位置決めエラーやミッション中止が発生する。
本稿では,LiBeamsNetとMissBeamNetの2つの最先端ディープラーニング手法の比較分析を行った。
両ディープラーニングアーキテクチャは,速度予測精度が16%以上向上した。
論文 参考訳（メタデータ） (2024-01-28T10:17:36Z) - 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) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Online Stochastic Variational Gaussian Process Mapping for Large-Scale
SLAM in Real Time [1.3387004254920498]
AUVは、科学と産業の両方の分野で、水中探査と海底マッピングの標準ツールになりつつある。
潜水能力は浮き彫りで、船体に近づきにくい地域まで到達し、海底に近いデータを収集することができる。
ナビゲーションの自律性は、その世界位置の死亡推定(DR)の正確さによって制限され続けており、地域とGPS信号の事前マップが欠如しているため、著しく制限されている。
論文 参考訳（メタデータ） (2022-11-10T14:21:48Z) - A Deep Learning Approach To Dead-Reckoning Navigation For Autonomous
Underwater Vehicles With Limited Sensor Payloads [0.0]
自律型水中車両(AUV)の相対水平速度を予測するためにリカレントニューラルネットワーク(RNN)を開発した。
RNNネットワークは、ドップラー速度ロガー(DVL)が地上の真理速度を提供する実験データを用いて訓練される。
相対速度の予測は、北と東の位置を近似するデッドレコンディングアルゴリズムで実施された。
論文 参考訳（メタデータ） (2021-10-01T21:40:10Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - Safe Vessel Navigation Visually Aided by Autonomous Unmanned Aerial
Vehicles in Congested Harbors and Waterways [9.270928705464193]
この研究は、従来のRGBカメラと補助的な絶対位置決めシステム(GPSなど)で捉えた長距離視覚データから未知の物体までの距離を検知し推定する最初の試みである。
シミュレーション結果は,UAV支援艦艇の視覚支援航法における提案手法の精度と有効性を示すものである。
論文 参考訳（メタデータ） (2021-08-09T08:15:17Z) - Towards bio-inspired unsupervised representation learning for indoor
aerial navigation [4.26712082692017]
本研究では,生物にインスパイアされた深層学習アルゴリズムによる同時位置決めとマッピング(SLAM)とそのドローンナビゲーションシステムへの応用について述べる。
本稿では,低次元潜在状態記述子を出力し,知覚的エイリアスに対する感度を軽減し,高効率な組込みハードウェアの開発を行う教師なし表現学習手法を提案する。
設計したアルゴリズムは,室内の倉庫環境において収集されたデータセットに基づいて評価され,最初の結果はロバストな屋内航法の実現可能性を示している。
論文 参考訳（メタデータ） (2021-06-17T08:42:38Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳（メタデータ） (2021-04-22T12:47:37Z)
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。