Fugu-MT 論文翻訳(概要): DVL Calibration using Data-driven Methods

論文の概要: DVL Calibration using Data-driven Methods

arxiv url: http://arxiv.org/abs/2401.12687v1
Date: Tue, 23 Jan 2024 11:52:25 GMT
ステータス: 処理完了
システム内更新日: 2024-01-24 15:56:15.270995
Title: DVL Calibration using Data-driven Methods
Title（参考訳）: データ駆動法によるDVL校正
Authors: Zeev Yampolsky and Itzik Klein
Abstract要約: キャリブレーション手順のためのエンドツーエンドのディープラーニングフレームワークを提案する。提案手法は,モデルの精度が35%,キャリブレーション時間が80%向上することを示した。
参考スコア（独自算出の注目度）: 3.4447129363520332
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Autonomous underwater vehicles (AUVs) are used in a wide range of underwater applications, ranging from seafloor mapping to industrial operations. While underwater, the AUV navigation solution commonly relies on the fusion between inertial sensors and Doppler velocity logs (DVL). To achieve accurate DVL measurements a calibration procedure should be conducted before the mission begins. Model-based calibration approaches include filtering approaches utilizing global navigation satellite system signals. In this paper, we propose an end-to-end deep-learning framework for the calibration procedure. Using stimulative data, we show that our proposed approach outperforms model-based approaches by 35% in accuracy and 80% in the required calibration time.
Abstract（参考訳）: 自律型水中車両(AUV)は、海底マッピングから産業活動まで幅広い水中用途で使用されている。水中では、AUVナビゲーションソリューションは慣性センサーとドップラー速度ログ(DVL)の融合に依存している。正確なDVL測定を実現するには、ミッション開始前に校正手続きを行う必要がある。モデルに基づくキャリブレーションアプローチには、グローバルナビゲーション衛星システム信号を利用したフィルタリングアプローチが含まれる。本稿では,キャリブレーション手順のためのエンドツーエンドのディープラーニングフレームワークを提案する。刺激データを用いて,提案手法がモデルベースアプローチを35%精度で,必要なキャリブレーション時間で80%上回ることを示す。

関連論文リスト

DCNet: A Data-Driven Framework for DVL Calibration [2.915868985330569]
本稿では,2次元畳み込みカーネルを革新的な方法で利用するデータ駆動型フレームワークDCNetを紹介する。平均精度は70%,キャリブレーション時間は80%向上した。また, 低コストで高精度なDVLを用いた海洋ロボット工学の新たな応用を開拓した。
論文参考訳（メタデータ） (2024-10-11T13:47:40Z)
Seamless Underwater Navigation with Limited Doppler Velocity Log Measurements [13.221163846643607]
限られたDVL測定条件下でのシームレスなAUVナビゲーションのためのハイブリッドニューラルカップリング(HNC)手法を提案する。まず、DVLビームを2つまたは3つ失くすためのアプローチを推進します。その後、これらのビームは測定されたビームとともに拡張カルマンフィルタ(EKF)に組み込まれる。
論文参考訳（メタデータ） (2024-04-21T18:56:54Z)
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)
Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
本稿では,自動車用レーダセンサの自動校正手法を提案する。本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
論文参考訳（メタデータ） (2023-06-23T07:01:10Z)
Automated Static Camera Calibration with Intelligent Vehicles [58.908194559319405]
自動ジオレファレンスカメラキャリブレーションのためのロバストキャリブレーション法を提案する。本手法では, フィルタ/RTK受信機と慣性測定ユニット(IMU)を組み合わせたキャリブレーション車両が必要である。我々の手法は、インフラと車両の両方で記録された情報と人間との相互作用を一切必要としない。
論文参考訳（メタデータ） (2023-04-21T08:50:52Z)
Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文参考訳（メタデータ） (2023-04-20T19:15:02Z)
Set-Transformer BeamsNet for AUV Velocity Forecasting in Complete DVL Outage Scenarios [10.64241024049424]
本研究では,DVLが完全に停止した場合の現在のAUV速度を抑えるために,Set-Transformer-based BeamsNetを提案する。本手法は,スナップルAUVを用いて地中海で実施した実験データを用いて評価した。
論文参考訳（メタデータ） (2022-12-22T13:10:44Z)
Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文参考訳（メタデータ） (2022-12-07T10:01:11Z)
BeamsNet: A data-driven Approach Enhancing Doppler Velocity Log Measurements for Autonomous Underwater Vehicle Navigation [12.572597882082054]
本稿では,推定DVL速度ベクトルを回帰するエンドツーエンドのディープラーニングフレームワークであるBeamsNetを提案する。その結果,提案手法はDVL速度ベクトルの推定において60%以上の改善を達成できた。
論文参考訳（メタデータ） (2022-06-27T19:38:38Z)
Learning to Localize Using a LiDAR Intensity Map [87.04427452634445]
自動運転車のリアルタイム・キャリブレーション非依存・効果的なローカライズシステムを提案する。私たちの方法は、オンラインLiDARスイープと強度マップをジョイントディープ埋め込みスペースに埋め込む方法を学びます。システム全体の動作は15hzで,さまざまなlidarセンサや環境においてセンチメートルレベルの精度を実現しています。
論文参考訳（メタデータ） (2020-12-20T11:56:23Z)

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。