Fugu-MT 論文翻訳(概要): Data-Driven Meets Navigation: Concepts, Models, and Experimental Validation

論文の概要: Data-Driven Meets Navigation: Concepts, Models, and Experimental Validation

arxiv url: http://arxiv.org/abs/2210.02930v1
Date: Thu, 6 Oct 2022 14:03:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-07 17:20:23.758694
Title: Data-Driven Meets Navigation: Concepts, Models, and Experimental Validation
Title（参考訳）: データ駆動型ミートナビゲーション:概念、モデル、実験的検証
Authors: Itzik Klein
Abstract要約: ナビゲーションの目的は、有人・自律的なプラットフォーム、人間、動物の位置、速度、方向を決定することである。我々はAutonomous Navigation and Sensor Fusion Labで開発された,データ駆動型多分野ナビゲーションアルゴリズムについて検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The purpose of navigation is to determine the position, velocity, and orientation of manned and autonomous platforms, humans, and animals. Obtaining accurate navigation commonly requires fusion between several sensors, such as inertial sensors and global navigation satellite systems, in a model-based, nonlinear estimation framework. Recently, data-driven approaches applied in various fields show state-of-the-art performance, compared to model-based methods. In this paper we review multidisciplinary, data-driven based navigation algorithms developed and experimentally proven at the Autonomous Navigation and Sensor Fusion Lab (ANSFL) including algorithms suitable for human and animal applications, varied autonomous platforms, and multi-purpose navigation and fusion approaches
Abstract（参考訳）: ナビゲーションの目的は、人間や自律的なプラットフォーム、人間、動物の位置、速度、方向を決定することである。正確なナビゲーションを行うには、慣性センサーやグローバルナビゲーション衛星システムといったいくつかのセンサーをモデルベースの非線形推定フレームワークで融合する必要がある。近年,様々な分野に適用されたデータ駆動アプローチが,モデルベース手法と比較して最先端のパフォーマンスを示している。本稿では,人間および動物の応用に適したアルゴリズム,多様な自律プラットフォーム,多目的ナビゲーションおよび融合アプローチを含む,自律ナビゲーション・センサ融合ラボ(ansfl)で開発・実証された多分野データ駆動型ナビゲーションアルゴリズムについて述べる。

関連論文リスト

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)
Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文参考訳（メタデータ） (2024-02-04T08:41:20Z)
NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
論文参考訳（メタデータ） (2023-10-11T21:07:14Z)
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)
Enhancing Navigation Benchmarking and Perception Data Generation for Row-based Crops in Simulation [0.3518016233072556]
本稿では,セマンティックセグメンテーションネットワークを学習するための合成データセットと,ナビゲーションアルゴリズムを高速に評価するための仮想シナリオのコレクションを提案する。異なるフィールドジオメトリと特徴を探索するための自動パラメトリック手法が開発されている。シミュレーションフレームワークとデータセットは、異なる作物のディープセグメンテーションネットワークをトレーニングし、その結果のナビゲーションをベンチマークすることで評価されている。
論文参考訳（メタデータ） (2023-06-27T14:46:09Z)
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)
Neural Enhanced Belief Propagation for Data Assocation in Multiobject Tracking [8.228150100178983]
マルチオブジェクトトラッキング(MOT)は、自律ナビゲーションや応用海洋科学などの分野における新しいサービスとアプリケーションを作成する。信念伝播(BP)はベイジアンMOTの最先端の手法であるが、統計モデルと事前処理されたセンサ測定に完全に依存している。我々は,モデルベースおよびデータ駆動型MOTのハイブリッド手法を構築し,提案手法は生センサデータから得られた情報によってBPを補完する。 nuScenes 自律走行データセット上でのMOTに対するNEBP手法の性能評価を行い,その性能を実証する。
論文参考訳（メタデータ） (2022-03-17T00:12:48Z)
APPLD: Adaptive Planner Parameter Learning from Demonstration [48.63930323392909]
本稿では,既存のナビゲーションシステムを新しい複雑な環境に適用可能な,適応プランナー学習(Adaptive Planner Learning from Demonstration)のAPPLDを紹介する。 APPLDは異なる環境で異なるナビゲーションシステムを実行する2つのロボットで検証されている。実験結果から,APPLDはナビゲーションシステムよりも,デフォルトパラメータや専門家パラメータ,さらには人間実証者自体よりも優れていることが示された。
論文参考訳（メタデータ） (2020-03-31T21:15:16Z)
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。