論文の概要: A DVL Aided Loosely Coupled Inertial Navigation Strategy for AUVs with Attitude Error Modeling and Variance Propagation
- arxiv url: http://arxiv.org/abs/2601.19509v1
- Date: Tue, 27 Jan 2026 11:53:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 05:31:50.003582
- Title: A DVL Aided Loosely Coupled Inertial Navigation Strategy for AUVs with Attitude Error Modeling and Variance Propagation
- Title（参考訳）: 姿勢誤差モデリングと可変伝搬を用いたAUVのDVLによる疎結合慣性航法
- Authors: Jin Huang, Zichen Liu, Haoda Li, Zhikun Wang, Ying Chen,
- Abstract要約: 水中航法システムでは、ストラップダウン慣性航法システム/ドップラー速度ログ(SINS/DVL)に基づく疎結合アーキテクチャが広く採用されている。
累積姿勢推定誤差は、速度予測にバイアスを導入し、長期動作時のナビゲーション性能を低下させる。
提案手法は, 3次元位置RMSEの78.3%向上と, IMU+DVL法と比較して, 最大成分方向位置誤差の71.8%低減を実現している。
- 参考スコア（独自算出の注目度）: 17.445456519676636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In underwater navigation systems, strap-down inertial navigation system/Doppler velocity log (SINS/DVL)-based loosely coupled architectures are widely adopted. Conventional approaches project DVL velocities from the body coordinate system to the navigation coordinate system using SINS-derived attitude; however, accumulated attitude estimation errors introduce biases into velocity projection and degrade navigation performance during long-term operation. To address this issue, two complementary improvements are introduced. First, a vehicle attitude error-aware DVL velocity transformation model is formulated by incorporating attitude error terms into the observation equation to reduce projection-induced velocity bias. Second, a covariance matrix-based variance propagation method is developed to transform DVL measurement uncertainty across coordinate systems, introducing an expectation-based attitude error compensation term to achieve statistically consistent noise modeling. Simulation and field experiment results demonstrate that both improvements individually enhance navigation accuracy and confirm that accumulated attitude errors affect both projected velocity measurements and their associated uncertainty. When jointly applied, long-term error divergence is effectively suppressed. Field experimental results show that the proposed approach achieves a 78.3% improvement in 3D position RMSE and a 71.8% reduction in the maximum component-wise position error compared with the baseline IMU+DVL method, providing a robust solution for improving long-term SINS/DVL navigation performance.
- Abstract（参考訳）: 水中航法システムでは、ストラップダウン慣性航法システム/ドップラー速度ログ(SINS/DVL)に基づく疎結合アーキテクチャが広く採用されている。
従来のDVL速度は,SINSに基づく姿勢を用いたナビゲーション座標系にアプローチするが,累積姿勢推定誤差は速度予測に偏りを導入し,長期動作時のナビゲーション性能を低下させる。
この問題に対処するため、2つの補完的な改善が導入された。
まず, 車両の姿勢誤差を考慮したDVL速度変換モデルについて, 姿勢誤差項を観測方程式に組み込んで, 投射誘起速度バイアスを低減することにより定式化する。
次に、共分散行列に基づく分散伝搬法を開発し、DVL測定の不確かさを座標系に変換し、予測に基づく姿勢誤差補償項を導入して統計的に一貫したノイズモデリングを実現する。
シミュレーションおよびフィールド実験の結果、双方の改善がナビゲーション精度を個別に向上し、蓄積した姿勢誤差が予測された速度測定と関連する不確実性の両方に影響を及ぼすことを確認した。
共同適用時には、長期誤差分散を効果的に抑制する。
フィールド実験の結果,提案手法は3次元位置RMSEが78.3%向上し,ベースラインIMU+DVL法に比べて71.8%低下し,長期SINS/DVLナビゲーション性能向上のためのロバストな解が得られた。
関連論文リスト
- DecoVLN: Decoupling Observation, Reasoning, and Correction for Vision-and-Language Navigation [49.233063630722334]
長距離ナビゲーションにおけるロバストなストリーミング認識と閉ループ制御のためのフレームワークであるDecoVLNを提案する。
本稿では,統合されたスコアリング関数を反復的に最適化することにより,過去の候補プールからフレームを選択する適応的精錬機構を提案する。
また,コンプレックスエラーを軽減するために,状態-作用ペアレベルの補正手法を導入する。
論文 参考訳（メタデータ） (2026-03-13T16:24:37Z) - Hydra-Nav: Object Navigation via Adaptive Dual-Process Reasoning [27.764007225331454]
探索履歴を解析し,高レベルプランを定式化するための検討段階の遅いシステム間を切り替える統合VLMアーキテクチャであるHydra-Navを紹介する。
実験の結果、Hydra-NavはHM3D、MP3D、OVONのベンチマークで最先端のパフォーマンスを達成し、それぞれ11.1%、17.4%、21.2%で2番目に良い手法を上回った。
論文 参考訳（メタデータ） (2026-02-10T17:00:16Z) - On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。
CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。
我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文 参考訳（メタデータ） (2025-12-30T06:29:20Z) - ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM [5.5217350574838875]
視覚-慣性SLAM性能を向上させる新しいフレームワークであるICD-Netを提案する。
従来のVINS-Fusionと比較して,軌道推定精度は有意に向上した。
ニューラルネットワークの強化は,SLAM劣化の複数の要因に効果的に対処できることを示す。
論文 参考訳（メタデータ） (2025-11-13T11:25:02Z) - FASTopoWM: Fast-Slow Lane Segment Topology Reasoning with Latent World Models [75.28505955393591]
レーンセグメント推論は、総合的な鳥眼ビュー(BEV)ロードシーン理解を提供する。
ストリームベースの時間的伝搬法は,クエリレベルとBEVレベルの両方に時間的手がかりを組み込むことで,有望な結果を示した。
FASTopoWMは、潜在世界モデルで拡張された新しい高速スローレーンセグメント推論フレームワークである。
論文 参考訳（メタデータ） (2025-07-31T08:12:56Z) - Gaussian Process Regression for Improved Underwater Navigation [13.221163846643607]
ドップラー速度ログ(DVL)は通常、速度測定によってこのドリフトを緩和するために使用される。
本稿では、DVL速度推定を改善するために、多出力ガウス過程回帰(MOGPR)に基づくデータ駆動方式を提案する。
提案手法を実世界のAUVデータを用いて評価し,LSと最先端のディープラーニングモデルであるBeamsNetと比較した。
論文 参考訳（メタデータ） (2025-02-23T09:13:41Z) - 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) - 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) - 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) - Consistency Guided Scene Flow Estimation [159.24395181068218]
CGSFは立体映像からの3次元シーン構造と動きの同時再構成のための自己教師型フレームワークである。
提案モデルでは,課題の画像の相違やシーンフローを確実に予測できることを示す。
最先端技術よりも優れた一般化を実現し、目に見えない領域に迅速かつ堅牢に適応する。
論文 参考訳（メタデータ） (2020-06-19T17:28:07Z)
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。