論文の概要: A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance
- arxiv url: http://arxiv.org/abs/2403.08808v1
- Date: Tue, 6 Feb 2024 13:20:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 05:40:54.641973
- Title: A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance
- Title（参考訳）: 耐異常性を有する長距離水中航行のためのバイオン型データ駆動アプローチ
- Authors: Songnan Yang, Xiaohui Zhang, Shiliang Zhang, Xuehui Ma, Wenqi Bai, Yushuai Li, Tingwen Huang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 59.21686775951903
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Various animals exhibit accurate navigation using environment cues. The Earth's magnetic field has been proved a reliable information source in long-distance fauna migration. Inspired by animal navigation, this work proposes a bionic and data-driven approach for long-distance underwater navigation. The proposed approach uses measured geomagnetic data for the navigation, and requires no GPS systems or geographical maps. Particularly, we construct and train a Temporal Attention-based Long Short-Term Memory (TA-LSTM) network to predict the heading angle during the navigation. To mitigate the impact of geomagnetic anomalies, we develop the mechanism to detect and quantify the anomalies based on Maximum Likelihood Estimation. We integrate the developed mechanism with the TA-LSTM, and calibrate the predicted heading angles to gain resistance against geomagnetic anomalies. Using the retrieved data from the WMM model, we conduct numerical simulations with diversified navigation conditions to test our approach. The simulation results demonstrate a resilience navigation against geomagnetic anomalies by our approach, along with precision and stability of the underwater navigation in single and multiple destination missions.
- Abstract（参考訳）: 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。
地球の磁場は長距離動物相の移動において信頼できる情報源であることが証明されている。
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。
特に,時間的注意に基づくLong Short-Term Memory(TA-LSTM)ネットワークを構築し,ナビゲーション中の方向角を予測する。
地磁気異常の影響を緩和するため,最大線量推定に基づく異常の検出・定量化機構を開発した。
開発機構をTA-LSTMと統合し、予測方向角を校正し、地磁気異常に対する耐性を得る。
WMMモデルから取得したデータを用いて,多様なナビゲーション条件を用いた数値シミュレーションを行い,本手法を検証した。
シミュレーションの結果,地磁気異常に対するレジリエンスナビゲーションと,単一および複数目的地における水中ナビゲーションの精度と安定性が示された。
関連論文リスト
- Long-distance Geomagnetic Navigation in GNSS-denied Environments with Deep Reinforcement Learning [62.186340267690824]
既存の地磁気航法の研究は、事前保存された地図や広範囲な探索に依存しており、探索されていない地域での適用性や航法効率の低下に繋がる。
本稿では,特に長距離地磁気航法における深部強化学習(DRL)に基づくメカニズムについて述べる。
設計されたメカニズムは、プリストアドマップや広範囲で高価な探索アプローチではなく、地磁気ナビゲーションのための磁気受容能力を学ぶようにエージェントを訓練する。
論文 参考訳（メタデータ） (2024-10-21T09:57:42Z) - Random forests for detecting weak signals and extracting physical
information: a case study of magnetic navigation [0.0]
貯水池計算と時間遅延フィードフォワードニューラルネットワークという2つの機械学習アーキテクチャは、GPSで測定された環境で地球の異常磁場を検出するために利用することができる。
我々は,複数の決定木の出力を組み合わせたランダム森林の機械学習モデルを利用して,物理量の最適値を与える。
ランダムフォレストアルゴリズムは, 弱い異常場の検出や航空機の位置のフィルタリングにおいて, 極めてよく機能することを示す。
論文 参考訳（メタデータ） (2024-02-21T21:10:12Z) - 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) - Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic
Navigation Systems using Liquid Time-Constant Networks [0.09514898210006967]
磁気航法 (MagNav) はGPS(Global Positioning System)の代替であり、航空機の航法に有用であることが証明されている。
従来の航空航法システムでは、特定の環境での精度と信頼性、攻撃に対する制限に直面している。
我々は,MagNav位置推定のためのクリーンで信頼性が高く正確な磁気信号を抽出するための物理情報を用いた機械学習手法を提案する。
論文 参考訳（メタデータ） (2024-01-17T22:46:51Z) - Data-Driven Meets Navigation: Concepts, Models, and Experimental
Validation [0.0]
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。
論文 参考訳（メタデータ） (2022-10-06T14:03:10Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳（メタデータ） (2022-08-18T15:27:40Z) - Position fixing with cold atom gravity gradiometers [56.45088569868981]
冷間原子干渉計による部分重力勾配解を用いた自律航法の位置固定法を提案する。
標準のオープンソースグローバル重力データベースを用いて,1000kmを超える軌道に対する安定した航法解を示す。
論文 参考訳（メタデータ） (2022-04-11T16:42:32Z) - 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。
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。