論文の概要: Data-Driven Strategies for Coping with Incomplete DVL Measurements

• arxiv url: http://arxiv.org/abs/2401.15620v1
• Date: Sun, 28 Jan 2024 10:17:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 17:11:49.164044
• Title: Data-Driven Strategies for Coping with Incomplete DVL Measurements
• Title（参考訳）: 不完全なdvl測定に対処するためのデータ駆動戦略
• Authors: Nadav Cohen and Itzik Klein
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.619053656143564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous underwater vehicles are specialized platforms engineered for deep underwater operations. Critical to their functionality is autonomous navigation, typically relying on an inertial navigation system and a Doppler velocity log. In real-world scenarios, incomplete Doppler velocity log measurements occur, resulting in positioning errors and mission aborts. To cope with such situations, a model and learning approaches were derived. This paper presents a comparative analysis of two cutting-edge deep learning methodologies, namely LiBeamsNet and MissBeamNet, alongside a model-based average estimator. These approaches are evaluated for their efficacy in regressing missing Doppler velocity log beams when two beams are unavailable. In our study, we used data recorded by a DVL mounted on an autonomous underwater vehicle operated in the Mediterranean Sea. We found that both deep learning architectures outperformed model-based approaches by over 16% in velocity prediction accuracy.
• Abstract（参考訳）: 自律型水中車両は深海作戦のために設計された特殊プラットフォームである。 彼らの機能にとって重要なのは自律ナビゲーションであり、慣性ナビゲーションシステムとドップラー速度ログに依存している。 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。 このような状況に対処するため、モデルと学習アプローチが導出された。 本稿では、モデルに基づく平均推定器とともに、2つの最先端ディープラーニング手法、すなわちLiBeamsNetとMissBeamNetの比較分析を行う。 これらのアプローチは、2本のビームが使用できないときにドップラー速度ログビームを後退させる効果を評価できる。 本研究では,地中海で運用される自律型水中機に搭載されたdvlのデータを用いた。 いずれのディープラーニングアーキテクチャも,モデルベースアプローチよりも速度予測精度が16%以上向上していることが分かりました。

関連論文リスト

• Guiding Attention in End-to-End Driving Models [49.762868784033785]
  模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。 トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。 従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
  論文  参考訳（メタデータ） (2024-04-30T23:18:51Z)
• 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)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• LiBeamsNet: AUV Velocity Vector Estimation in Situations of Limited DVL Beam Measurements [12.572597882082054]
  AUVは人間の手の届かない深海環境でも運用できる。 慣性ナビゲーションシステムとドップラー速度ログセンサを融合することにより、自律ナビゲーション問題の標準解を得ることができる。 本稿では、慣性データと部分ビーム速度を利用して不足ビームを回帰する深層学習フレームワークLiBeamsNetを提案する。
  論文  参考訳（メタデータ） (2022-10-20T20:17:23Z)
• StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
  将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。 本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。 本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
  論文  参考訳（メタデータ） (2022-07-21T12:03:02Z)
• 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)
• 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)
• Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
  深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。 ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。 その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
  論文  参考訳（メタデータ） (2021-03-11T15:21:08Z)
• Incorporating Kinematic Wave Theory into a Deep Learning Method for High-Resolution Traffic Speed Estimation [3.0969191504482243]
  本研究では, 波動に基づく深部畳み込みニューラルネットワーク(Deep CNN)を提案し, スパースプローブ車両軌道から高分解能交通速度のダイナミクスを推定する。 我々は,既存の学習に基づく推定手法の堅牢性を改善するために,運動波理論の原理を取り入れるための2つの重要なアプローチを導入する。
  論文  参考訳（メタデータ） (2021-02-04T21:51:25Z)
• End-to-end Learning for Inter-Vehicle Distance and Relative Velocity Estimation in ADAS with a Monocular Camera [81.66569124029313]
  本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。 提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。 また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-07T08:18:31Z)

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。