論文の概要: GNSS-inertial state initialization by distance residuals

• arxiv url: http://arxiv.org/abs/2506.11534v1
• Date: Fri, 13 Jun 2025 07:37:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.695807
• Title: GNSS-inertial state initialization by distance residuals
• Title（参考訳）: 距離残差によるGNSS慣性状態初期化
• Authors: Samuel Cerezo, Javier Civera,
• Abstract要約: 本稿では,フレーム間の変換を正確に推定するために十分な情報が得られるまで,グローバルな計測方法の使用を遅らせるための新しい戦略を提案する。 EuRoCデータセットとGVINSデータセットの実験から、私たちのアプローチは、最初からグローバルデータを使用するというナイーブな戦略を一貫して上回ります。
• 参考スコア（独自算出の注目度）: 9.192660643226372
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Initializing the state of a sensorized platform can be challenging, as a limited set of initial measurements often carry limited information, leading to poor initial estimates that may converge to local minima during non-linear optimization. This paper proposes a novel GNSS-inertial initialization strategy that delays the use of global GNSS measurements until sufficient information is available to accurately estimate the transformation between the GNSS and inertial frames. Instead, the method initially relies on GNSS relative distance residuals. To determine the optimal moment for switching to global measurements, we introduce a criterion based on the evolution of the Hessian matrix singular values. Experiments on the EuRoC and GVINS datasets show that our approach consistently outperforms the naive strategy of using global GNSS data from the start, yielding more accurate and robust initializations.
• Abstract（参考訳）: センサ化されたプラットフォームの状態の初期化は、限られた初期測定値が限られた情報を持っている場合が多いため、非線形最適化時に局所最小値に収束する可能性のある初期推定値が貧弱になるため、困難である。 本稿では、GNSSと慣性フレーム間の変換を正確に推定するために十分な情報が得られるまでグローバルなGNSS測定の使用を遅らせる新しいGNSS慣性初期化戦略を提案する。 代わりに、この方法は当初、GNSSの相対的距離残差に依存している。 大域的な測定に切り替える最適モーメントを決定するために,ヘッセン行列特異値の進化に基づく基準を導入する。 EuRoCとGVINSデータセットの実験から、我々のアプローチは、グローバルなGNSSデータを最初から使い、より正確でロバストな初期化をもたらすというナイーブな戦略を一貫して上回ります。

関連論文リスト

• Learning-based GNSS Uncertainty Quantification using Continuous-Time Factor Graph Optimization [2.0818498182253875]
  本稿では,グローバルナビゲーション衛星システム(GNSS)における測定の不確かさを定量化する2つの学習に基づく手法に関する研究成果について述べる。 我々は,複数のセンサ入力から軌跡を正確に,頑健に推定する新しいマルチセンサ状態推定器を提案する。 本研究では,多様な都市環境下で収集された実世界のセンサデータを用いて,学習モデルの有効性を検証する。
  論文  参考訳（メタデータ） (2025-03-06T20:04:36Z)
• Stability and Generalization for Distributed SGDA [70.97400503482353]
  分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。 我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。 理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
  論文  参考訳（メタデータ） (2024-11-14T11:16:32Z)
• HOPE for a Robust Parameterization of Long-memory State Space Models [51.66430224089725]
  線形時間不変(LTI)システムを利用する状態空間モデル(SSM)は、長いシーケンスの学習において有効であることが知られている。 我々は,ハンケル作用素内のマルコフパラメータを利用するLTIシステムに対して,HOPEと呼ばれる新しいパラメータ化手法を開発した。 我々の新しいパラメータ化は、固定時間ウィンドウ内に非遅延メモリを付与し、パッドドノイズのあるシーケンシャルCIFAR-10タスクによって実証的に相関する。
  論文  参考訳（メタデータ） (2024-05-22T20:20:14Z)
• GNSS Positioning using Cost Function Regulated Multilateration and Graph Neural Networks [0.0699049312989311]
  衛星からの視線信号が高層物体によって頻繁に遮断される都市環境では、受信機は衛星範囲を測定する際に大きな誤差を受ける。 ヒューリスティック法は、これらの誤差を推定し、雑音測定が局所化精度に与える影響を減らすために一般的に用いられる。 本研究では,これらの誤り推定をグラフニューラルネットワークに基づくディープラーニングモデルに置き換える。
  論文  参考訳（メタデータ） (2024-02-28T19:00:01Z)
• Learning-based NLOS Detection and Uncertainty Prediction of GNSS Observations with Transformer-Enhanced LSTM Network [2.798138034569478]
  本研究では,NLOSの検出と誤りの予測を擬似時間的モデリング問題を用いて行う深層学習に基づく手法を提案する。 香港とAachenのデータセットを使って、提案したネットワークをトレーニングし、評価する。 提案手法は,NLOS観測の分類・排除により,実世界の車両位置の軌跡のばらつきを回避できることを示す。
  論文  参考訳（メタデータ） (2023-09-01T14:17:02Z)
• RNN-Based GNSS Positioning using Satellite Measurement Features and Pseudorange Residuals [0.0]
  この研究は、リンクワイド測定の品質要因を予測する機械学習の可能性を生かしている。 我々は、条件付き擬似乱射残差とリンク毎の衛星測度からなるカスタマイズされた行列を用いる。 大規模フィールド計測から得られた実データに関する実験結果から,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-06-08T16:11:57Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• Stability and Generalization Analysis of Gradient Methods for Shallow Neural Networks [59.142826407441106]
  本稿では,アルゴリズム安定性の概念を活用して,浅層ニューラルネットワーク(SNN)の一般化挙動について検討する。 我々は、SNNを訓練するために勾配降下(GD)と勾配降下(SGD)を考慮する。
  論文  参考訳（メタデータ） (2022-09-19T18:48:00Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)

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。