論文の概要: Design and Experimental Validation of an Autonomous USV for Sensor Fusion-Based Navigation in GNSS-Denied Environments
- arxiv url: http://arxiv.org/abs/2503.23445v1
- Date: Sun, 30 Mar 2025 13:50:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-01 19:35:57.124174
- Title: Design and Experimental Validation of an Autonomous USV for Sensor Fusion-Based Navigation in GNSS-Denied Environments
- Title（参考訳）: GNSS-Denied環境におけるセンサフュージョンに基づくナビゲーションのための自律型USVの設計と実験的検証
- Authors: Samuel Cohen-Salmon, Itzik Klein,
- Abstract要約: MARVEL(MARVEL)は、センサーフュージョンに基づくナビゲーションアルゴリズムの現実的なテストのために開発された無人表面車両である。
電磁ログ、ドップラー速度ログ、慣性センサー、リアルタイムキネマティック位置決めを統合している。
MARVELは、冗長な同期センサーを使用して、高度なナビゲーションとAI駆動アルゴリズムのリアルタイム、その場検証を可能にする。
- 参考スコア（独自算出の注目度）: 2.915868985330569
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the design, development, and experimental validation of MARVEL, an autonomous unmanned surface vehicle built for real-world testing of sensor fusion-based navigation algorithms in GNSS-denied environments. MARVEL was developed under strict constraints of cost-efficiency, portability, and seaworthiness, with the goal of creating a modular, accessible platform for high-frequency data acquisition and experimental learning. It integrates electromagnetic logs, Doppler velocity logs, inertial sensors, and real-time kinematic GNSS positioning. MARVEL enables real-time, in-situ validation of advanced navigation and AI-driven algorithms using redundant, synchronized sensors. Field experiments demonstrate the system's stability, maneuverability, and adaptability in challenging sea conditions. The platform offers a novel, scalable approach for researchers seeking affordable, open-ended tools to evaluate sensor fusion techniques under real-world maritime constraints.
- Abstract（参考訳）: 本稿では, センサフュージョンに基づく航法アルゴリズムの現実的なテストのために構築された無人表面車両MARVELの設計, 開発, 実験結果について述べる。
MARVELは、高頻度のデータ取得と実験学習のためのモジュール化されたプラットフォームを構築することを目的として、コスト効率、ポータビリティ、耐海性といった厳格な制約の下で開発された。
電磁ログ、ドップラー速度ログ、慣性センサー、リアルタイム運動性GNSS位置決めを統合している。
MARVELは、冗長な同期センサーを使用して、高度なナビゲーションとAI駆動アルゴリズムのリアルタイム、その場検証を可能にする。
フィールド実験は、挑戦的な海洋環境におけるシステムの安定性、操縦性、適応性を示す。
このプラットフォームは、研究者が現実の海上での制約下でセンサーフュージョン技術を評価するために、安価でオープンなツールを求めるための、新しいスケーラブルなアプローチを提供する。
関連論文リスト
- Integration of a high-fidelity model of quantum sensors with a map-matching filter for quantum-enhanced navigation [0.0]
原子干渉計を用いた重力勾配計の高忠実度モデルの実現について報告する。
量子重力勾配計を用いた地図マッチングによるナビゲーション支援により,安定した軌道が導かれることを示す。
センサの傾きを3.3度以下に抑えるなど,これらの誤差を軽減するための要件を導出する。
論文 参考訳（メタデータ） (2025-04-15T12:07:21Z) - Consumer INS Coupled with Carrier Phase Measurements for GNSS Spoofing Detection [0.0]
慣性測定ユニットは、提供されたナビゲーションソリューションの精度と堅牢性を高めることに成功している。
しかし、否定された文脈における慣性技術に基づく効果的なナビゲーションには、ハイエンドのセンサーが必要である。
そこで本研究では,MEMS INSとハイエンド産業用グレードセンサの性能について述べる。
論文 参考訳（メタデータ） (2025-02-06T08:34:23Z) - Exploring the Feasibility of Automated Data Standardization using Large Language Models for Seamless Positioning [10.200170217746136]
大規模言語モデル(LLM)を利用したリアルタイム自動データ標準化の実現可能性について検討する。
我々の研究は、拡張カルマンフィルタ(EKF)によるデータの互換性を確保し、位置決め精度を向上させる。
本研究は,センサデータ統合の複雑さを克服する上で,高度なLCMの可能性を示すものである。
論文 参考訳（メタデータ） (2024-08-22T02:40:21Z) - 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) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water
Boundary Exploration [8.555466536537292]
ローカライズ精度を高めるために,マルチセンサ融合フレームワークを提案する。
画像、ドップラー速度ログ(DVL)、慣性測定ユニット(IMU)、圧力センサーが統合されている。
提案手法は,凍結氷下のフィールドで収集したデータセットを用いて検証した。
論文 参考訳（メタデータ） (2023-03-29T20:16:39Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - 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) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - 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。