Fugu-MT 論文翻訳(概要): A Hybrid Model and Learning-Based Adaptive Navigation Filter

論文の概要: A Hybrid Model and Learning-Based Adaptive Navigation Filter

arxiv url: http://arxiv.org/abs/2207.12082v3
Date: Fri, 2 Sep 2022 10:26:27 GMT
ステータス: 処理完了
システム内更新日: 2023-02-09 09:37:17.493487
Title: A Hybrid Model and Learning-Based Adaptive Navigation Filter
Title（参考訳）: 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
Authors: Barak Or and Itzik Klein
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The fusion between an inertial navigation system and global navigation satellite systems is regularly used in many platforms such as drones, land vehicles, and marine vessels. The fusion is commonly carried out in a model-based extended Kalman filter framework. One of the critical parameters of the filter is the process noise covariance. It is responsible for the real-time solution accuracy, as it considers both vehicle dynamics uncertainty and the inertial sensors quality. In most situations, the process noise is covariance assumed to be constant. Yet, due to vehicle dynamics and sensor measurement variations throughout the trajectory, the process noise covariance is subject to change. To cope with such situations, several adaptive model-based Kalman filters were suggested in the literature. In this paper, we propose a hybrid model and learning-based adaptive navigation filter. We rely on the model-based Kalman filter and design a deep neural network model to tune the momentary system noise covariance matrix, based only on the inertial sensor readings. Once the process noise covariance is learned, it is plugged into the well-established, model-based Kalman filter. After deriving the proposed hybrid framework, field experiment results using a quadrotor are presented and a comparison to model-based adaptive approaches is given. We show that the proposed method obtained an improvement of 25% in the position error. Furthermore, the proposed hybrid learning method can be used in any navigation filter and also in any relevant estimation problem.
Abstract（参考訳）: 慣性航法システムとグローバル航法衛星システムとの融合は、ドローン、陸上車両、海洋船などの多くのプラットフォームで定期的に使用されている。この融合はモデルベースの拡張カルマンフィルタフレームワークで一般的に実行される。フィルタの重要なパラメータの1つはプロセスノイズ共分散である。車両のダイナミックスの不確実性と慣性センサーの品質の両方を考慮するため、リアルタイムソリューションの正確性に責任がある。ほとんどの状況において、プロセスノイズは共変性であると仮定される。しかし、車両の動力学や軌道全体のセンサ計測の変動により、プロセスノイズの共分散は変化の対象となる。このような状況に対処するため,いくつかの適応モデルに基づくカルマンフィルタが文献に提案されている。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。我々は,モデルに基づくカルマンフィルタを用いて,慣性センサの読み出しのみに基づいて,瞬時系のノイズ共分散行列をチューニングするディープニューラルネットワークモデルを設計する。プロセスノイズ共分散が学習されると、確立されたモデルベースのカルマンフィルタに接続される。提案するハイブリッドフレームワークを導出した後,二次子を用いたフィールド実験結果を示し,モデルに基づく適応アプローチとの比較を行った。提案手法は位置誤差が25%向上したことを示す。さらに,提案手法は任意のナビゲーションフィルタや関連する推定問題においても利用できる。

関連論文リスト

Combining Slow and Fast: Complementary Filtering for Dynamics Learning [9.11991227308599]
本研究では,動的モデル学習に対する学習に基づくモデル学習手法を提案する。また,さらに物理ベースのシミュレータを必要とするハイブリッドモデルを提案する。
論文参考訳（メタデータ） (2023-02-27T13:32:47Z)
Differentiable Bootstrap Particle Filters for Regime-Switching Models [43.03865620039904]
現実世界のアプリケーションでは、状態力学と測定の両方が候補モデルのセットを切り替えることができる。本稿では、状態空間モデルに対する新しい微分可能な粒子フィルタを提案する。この手法は、未知の候補動的および測定モデルの集合を学習し、状態後部を追跡する。
論文参考訳（メタデータ） (2023-02-20T21:14:27Z)
Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。粒子法を用いて最大形パラメータを学習することを検討する。自動運転車から収集した実データに本手法を適用した。
論文参考訳（メタデータ） (2022-12-14T01:21:05Z)
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)
Adaptive Attitude Estimation Using a Hybrid Model-Learning Approach [0.0]
スマートフォンの慣性センサーを使って姿勢を判断することは大きな課題となる。データ駆動技術は、その課題に対処するために使われます。姿勢推定のためのハイブリッドディープラーニングとモデルベースソリューションを提案する。
論文参考訳（メタデータ） (2022-06-22T08:15:11Z)
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)
Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
論文参考訳（メタデータ） (2021-07-27T08:59:39Z)
KalmanNet: Neural Network Aided Kalman Filtering for Partially Known Dynamics [84.18625250574853]
KalmanNetは、データから学習し、非線形力学の下でKalmanフィルタを実行するリアルタイム状態推定器である。我々は、KalmanNetが非線形性とモデルミスマッチを克服し、古典的なフィルタリング手法より優れていることを数値的に示す。
論文参考訳（メタデータ） (2021-07-21T12:26:46Z)
A Framework for 3D Tracking of Frontal Dynamic Objects in Autonomous Cars [0.0]
本論文では, YOLOv3 アプローチを OpenCV トラッカーの横に使用し, 画像から特徴を引き出す。横距離と縦距離を得るため、状態依存リッカティ方程式フィルタと並行して非線形sfmモデルを考える。 SDREフィルタの堅牢な性能を高めるために, スイッチング推定誤差共分散方式のスイッチング方式を提案する。
論文参考訳（メタデータ） (2021-03-24T18:21:29Z)
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)
Logarithmic Regret Bound in Partially Observable Linear Dynamical Systems [91.43582419264763]
部分的に観測可能な線形力学系におけるシステム同定と適応制御の問題について検討する。開ループ系と閉ループ系の両方において有限時間保証付きの最初のモデル推定法を提案する。 AdaptOnは、未知の部分観測可能な線形力学系の適応制御において、$textpolylogleft(Tright)$ regretを達成する最初のアルゴリズムであることを示す。
論文参考訳（メタデータ） (2020-03-25T06:00:33Z)

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。