Fugu-MT 論文翻訳(概要): Information-Aided DVL Calibration

論文の概要: Information-Aided DVL Calibration

arxiv url: http://arxiv.org/abs/2606.31216v1
Date: Tue, 30 Jun 2026 06:54:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-01 18:27:19.107533
Title: Information-Aided DVL Calibration
Title（参考訳）: 情報支援型DVL校正
Abstract要約: ドップラー速度ログ(DVL)速度測定は、自律型水中車両(AUV)ナビゲーションソリューションの精度に重要である。正確な測定を確実にするために、DVLはミッション開始前であり、AUVは水面を航行し、正確な基準測定を行うグローバルナビゲーション衛星システム(GNSS)信号を受信する。特定の環境では、エラー信号は利用できない可能性があり、従来の校正は不可能であり、非校正DVL測定を強制する。本研究は,従来のカルマンフィルタを用いたキャリブレーションの精度向上を主目的とした情報支援キャリブレーション(IAC)を提案する。
参考スコア（独自算出の注目度）: 5.5217350574838875
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Doppler velocity log (DVL) velocity measurements are critical to the accuracy of autonomous underwater vehicle (AUV) navigation solutions and, consequently, to mission success. To ensure accurate measurements, the DVL is commonly calibrated before mission start while the AUV sails on the water surface, receiving global navigation satellite system (GNSS) signals that provide accurate reference measurements. Conventionally, Kalman filter-based approaches are employed during calibration to estimate the scale factor and misalignment errors. However, in certain environments, GNSS signals may be unavailable, rendering conventional calibration impossible and forcing the use of uncalibrated DVL measurements, which degrades navigation performance. To address this limitation, this work proposes information-aided calibration (IAC) with two main contributions: first, improving the accuracy of conventional Kalman filter-based calibration in GNSS-enabled environments, and second, enabling GNSS-free DVL self-calibration. Using real-world AUV datasets, the proposed IAC models achieve up to a 20% average improvement in GNSS-enabled environments and up to a 35% improvement in velocity vector estimation during GNSS-free DVL self-calibration. Overall, the proposed approach improves navigation accuracy, reduces navigation drift, and consequently enhances mission reliability.
Abstract（参考訳）: ドップラー速度ログ(DVL)速度測定は、自律型水中車両(AUV)航法ソリューションの精度と、その結果、ミッションの成功に不可欠である。正確な測定を保証するため、DVLはミッション開始前に普通に校正され、AUVは水面を航行し、正確な基準測定を行うグローバルナビゲーション衛星システム(GNSS)信号を受け取る。従来、カルマンフィルタに基づくアプローチは、スケール係数と誤調整誤差を推定するためにキャリブレーション中に採用されていた。しかし、特定の環境では、GNSS信号は利用できない可能性があり、従来の校正は不可能であり、未校正DVL測定を用いることでナビゲーション性能が低下する。本研究は, GNSS対応環境における従来のカルマンフィルタを用いたキャリブレーションの精度向上と, GNSSフリーなDVL自己校正を実現するための2つの主要な貢献点を有する情報支援キャリブレーション(IAC)を提案する。実世界のAUVデータセットを用いて、提案したIACモデルは、GNSS対応環境において20%平均的な改善を達成し、GNSS非DVL自己校正中のベロシティベクター推定を最大35%改善する。全体として、提案手法はナビゲーション精度を改善し、ナビゲーションドリフトを低減し、ミッション信頼性を向上させる。

関連論文リスト

BLENDS: Bayesian Learning-Enhanced Deep Smoothing for GNSS-Denied Environments [8.510813384980262]
本稿では,学習した共分散適応と状態補正によりベイズ平滑化を増強するトランスフォーマーベースのフレームワークを提案する。提案手法は,データ駆動学習を活用してナビゲーション精度を向上させるとともに,ベイズ推定の統計的基礎を保存する。機能停止を伴う四重項データセットの評価は、BLENDSがモデルベースのスムースナーを一貫して上回り、位置根の平均平方誤差を最大25.6%改善することを示した。
論文参考訳（メタデータ） (2026-06-21T12:00:10Z)
Enhanced INS/GNSS State Estimation using GNSS-Based Acceleration Measurements [5.5217350574838875]
そこで本研究では,過去の計測をモーションモデルと併用して,車両のアクセラレーション情報を抽出する手法を提案する。この加速度測定をINS/GNSSフィルタに統合し、堅牢性と精度を向上させる。その結果、標準位置支援フィルタと比較して、一貫した位置決め精度の向上が示された。
論文参考訳（メタデータ） (2026-05-23T23:04:30Z)
Equivariant Filter for Radar-Inertial Odometry [45.85581416235741]
拡張カルマンフィルタ(EKF)に基づくレーダ慣性オドメトリー(RIO)は、レーダと慣性測定ユニット(IMU)の間の正確な外在的キャリブレーションに依存している。このレターは、ナビゲーション状態とIMUバイアスを幾何学的に結合するリー群対称性に基づいて、RIOの同変フィルタ(EqF)を提案する。
論文参考訳（メタデータ） (2026-04-24T21:47:06Z)
User-Feedback-Driven Continual Adaptation for Vision-and-Language Navigation [50.51140007672333]
VLN(Vision-and-Language Navigation)は、エージェントが自然言語の指示に従うことで複雑な環境をナビゲートする必要がある。現在のGSA-VLNフレームワークは、環境暴露の繰り返しによる教師なし適応のみに依存するため、ユーザのフィードバックを除外している。本稿では,GSA-VLNを拡張したユーザフィードバック型適応フレームワークを提案する。
論文参考訳（メタデータ） (2025-12-11T06:11:45Z)
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)
Addressing Label Shift in Distributed Learning via Entropy Regularization [45.25670338948615]
マルチノード分散学習における真のリスクを最小限に抑えるという課題に対処する。本稿では,テスト・ツー・トレインのラベル密度比の最大推定量を向上させるVersatile Robust Label Shift (VRLS)法を提案する。
論文参考訳（メタデータ） (2025-02-04T18:14:27Z)
DCNet: A Data-Driven Framework for DVL Calibration [2.915868985330569]
本稿では,2次元畳み込みカーネルを革新的な方法で利用するデータ駆動型フレームワークDCNetを紹介する。平均精度は70%,キャリブレーション時間は80%向上した。また, 低コストで高精度なDVLを用いた海洋ロボット工学の新たな応用を開拓した。
論文参考訳（メタデータ） (2024-10-11T13:47:40Z)
Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。 ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
論文参考訳（メタデータ） (2024-09-29T22:54:31Z)
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)
DVL Calibration using Data-driven Methods [3.4447129363520332]
キャリブレーション手順のための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を提案する。提案手法は,モデルの精度が35%,キャリブレーション時間が80%向上することを示した。
論文参考訳（メタデータ） (2024-01-23T11:52:25Z)
Accurate Alignment Inspection System for Low-resolution Automotive and Mobility LiDAR [125.41260574344933]
車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
論文参考訳（メタデータ） (2020-08-24T17:47:59Z)

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。