論文の概要: Airborne Magnetic Anomaly Navigation with Neural-Network-Augmented Online Calibration

• arxiv url: http://arxiv.org/abs/2603.08265v1
• Date: Mon, 09 Mar 2026 11:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.841713
• Title: Airborne Magnetic Anomaly Navigation with Neural-Network-Augmented Online Calibration
• Title（参考訳）: ニューラルネットワークによるオンライン校正による空中磁気異常ナビゲーション
• Authors: Antonia Hager, Sven Nebendahl, Alexej Klushyn, Jasper Krauser, Torleiv H. Bryne, Tor Arne Johansen,
• Abstract要約: MagNavはジャミングに耐性があり、衛星ナビゲーションに代わる堅牢な代替品である。 航空機のプラットホームの大型でダイナミックな磁気干渉をリアルタイムに補償する必要がある。 我々は、航空機の磁気信号を完全に飛行中に識別し、補償する「コールドスタート」機能を備えた、完全に適応的なMagNavアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 2.093510158982824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Airborne Magnetic Anomaly Navigation (MagNav) provides a jamming-resistant and robust alternative to satellite navigation but requires the real-time compensation of the aircraft platform's large and dynamic magnetic interference. State-of-the-art solutions often rely on extensive offline calibration flights or pre-training, creating a logistical barrier to operational deployment. We present a fully adaptive MagNav architecture featuring a "cold-start" capability that identifies and compensates for the aircraft's magnetic signature entirely in-flight. The proposed method utilizes an extended Kalman filter with an augmented state vector that simultaneously estimates the aircraft's kinematic states as well as the coefficients of the physics-based Tolles-Lawson calibration model and the parameters of a Neural Network to model aircraft interferences. The Kalman filter update is mathematically equivalent to an online Natural Gradient descent, integrating superior convergence and data efficiency of state-of-the-art second-order optimization directly into the navigation filter. To enhance operational robustness, the neural network is constrained to a residual learning role, modeling only the nonlinearities uncorrected by the explainable physics-based calibration baseline. Validated on the MagNav Challenge dataset, our framework effectively bounds inertial drift using a magnetometer-only feature set. The results demonstrate navigation accuracy comparable to state-of-the-art models trained offline, without requiring prior calibration flights or dedicated maneuvers.
• Abstract（参考訳）: 空中磁気異常航法(MagNav)は、衛星航法に代わるジャミングに耐性があり堅牢な代替手段を提供するが、航空機のプラットフォームの大きなダイナミックな磁気干渉をリアルタイムに補償する必要がある。 最先端のソリューションは、大規模なオフラインキャリブレーション飛行や事前訓練に依存しており、運用運用へのロジスティックな障壁を形成している。 我々は、航空機の磁気信号を完全に飛行中に識別し、補償する「コールドスタート」機能を備えた、完全に適応的なMagNavアーキテクチャを提案する。 提案手法では,航空機の運動状態を同時に推定する拡張状態ベクトルを備えた拡張カルマンフィルタと,物理に基づくTolles-Lawsonキャリブレーションモデルとニューラルネットワークのパラメータを用いて航空機の干渉をモデル化する。 Kalmanフィルタの更新は、オンラインのNatural Gradient降下と数学的に等価であり、最先端の2階最適化の優れた収束性とデータ効率を直接ナビゲーションフィルタに統合する。 運用上の堅牢性を高めるため、ニューラルネットワークは残留学習の役割に制約され、説明可能な物理ベースの校正基準によって補正されない非線形性のみをモデル化する。 MagNav Challengeデータセットで検証された我々のフレームワークは、磁気センサのみの機能セットを使用して慣性ドリフトを効果的に束縛する。 実験の結果は、事前のキャリブレーション飛行や専用の操作を必要とせず、オフラインで訓練された最先端のモデルに匹敵する航法精度を示した。

関連論文リスト

• Physics Aware Neural Networks: Denoising for Magnetic Navigation [3.624059602945058]
  空中システムは、地磁気データを抽出する上で重要な課題に直面している。 本研究では, 分散自由ベクトル場とE(3)等分散という, 物理学に基づく2つの制約に基づく枠組みを提案する。 実験により、これらの制約を埋め込むことで予測精度と物理的妥当性が大幅に向上し、古典的なディープラーニングアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-02-14T09:23:57Z)
• Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
  ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。 本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T17:55:54Z)
• Quantum-assured magnetic navigation achieves positioning accuracy better than a strategic-grade INS in airborne and ground-based field trials [1.2066599812720467]
  磁気異常ナビゲーション(MagNav)は、周期的な位置修正を通じてジャミング不能なナビゲーションを提供する。 既存のMagNavの取り組みは、磁気センサの性能とプラットフォームノイズによって制限されている。 我々は,新しいデノケーション法とマップマッチング法により,ロバスト性を持つ独自の量子磁気センサに基づく量子保証MagNavソリューションを提案する。
  論文  参考訳（メタデータ） (2025-04-10T23:25:19Z)
• Magnetic Field Data Calibration with Transformer Model Using Physical Constraints: A Scalable Method for Satellite Missions, Illustrated by Tianwen-1 [3.4775479922416292]
  本研究は、天wen-1火星ミッションの磁場データ補正と、マクスウェル方程式に制約されたニューラルネットワークアーキテクチャを統合する新しいアプローチを提案する。 トランスフォーマーモデルを用いることで、衛星力学、機器干渉、環境騒音による計測異常を補正する。
  論文  参考訳（メタデータ） (2024-12-16T11:35:40Z)
• 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)
• 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)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)

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。