論文の概要: Benchmarking EMlog Calibration for Autonomous Surface Vehicles
- arxiv url: http://arxiv.org/abs/2609.39203v1
- Date: Wed, 30 Sep 2026 07:51:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.40625
- Title: Benchmarking EMlog Calibration for Autonomous Surface Vehicles
- Title（参考訳）: 自動表面車両のEMlogキャリブレーションのベンチマーク
- Abstract要約: 本稿では、4つの異なるキャリブレーションモデルを評価するための比較モデルに基づくキャリブレーション手法を提案する。
このフレームワークはMARVELから収集された221分間の連続した実世界のテレメトリーで厳格に検証されている。
- 参考スコア（独自算出の注目度）: 5.5217350574838875
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate velocity measurement is a fundamental requirement for autonomous surface and underwater vehicles. Commonly, velocity is provided by a Doppler velocity log (DVL) sensor, yet it becomes unavailable due to operational altitude constraints. In such situations, electromagnetic logs (EMLogs) provide a critically robust alternative for continuous velocity estimation. However, raw EMLog measurements are inherently corrupted by systematic errors, which need to be calibrated prior mission begins. Currently, a benchmarking comparative evaluation of how different calibration models perform under rapidly changing dynamic sea conditions is missing in the literature. To bridge this gap, this paper presents a comparative model-based calibration methodology that evaluates four distinct calibration models using two different estimation pipelines. The proposed framework is rigorously validated on a unique 221 minutes of continuous real-world telemetry collected from the MARVEL surface vehicle during dynamic sea trials. The dataset contains two different EMLogs and DVL recordings. Experimental results demonstrate that the bias and scale error model implemented with the Kalman filter improves the speed estimation by 71%. We also demonstrate that dynamical manoeuvres further improve the accuracy compared to standard straight-line paths, ultimately delivering a validated, real-time online calibration EMLog approach for autonomous surface vehicles.
- Abstract（参考訳）: 正確な速度測定は、自律表面および水中車両の基本的な要件である。
一般的に、速度はドップラー速度ログ(DVL)センサーによって供給されるが、運用高度の制約により利用できなくなる。
このような状況下では、電磁ログ (EMLogs) は連続速度推定の極めて堅牢な代替手段を提供する。
しかし、生のEMLog測定は本質的に、ミッション開始前に校正する必要がある系統的なエラーによって破損する。
現在、異なるキャリブレーションモデルが急速に変化する動的海洋条件下でどのように機能するかのベンチマーク比較が文献に欠落している。
このギャップを埋めるために,2つの異なる推定パイプラインを用いて4つの異なるキャリブレーションモデルを評価する比較モデルに基づくキャリブレーション手法を提案する。
提案手法は,MARVEL面から収集した221分間の連続実世界の遠隔測定において,動的海洋実験において厳密に検証される。
データセットには2つの異なるEMLogとDVL記録が含まれている。
実験の結果,カルマンフィルタで実装したバイアス・スケール誤差モデルでは,速度推定が71%向上した。
また、ダイナミックな操作により、標準的な直線パスよりも精度が向上し、最終的に、自律表面車両に対して検証されたリアルタイムオンラインキャリブレーションEMLogアプローチが実現されることを示した。
関連論文リスト
- Driver Behavior Estimation at Signalized Intersections Using a Physics-Constrained Decision-Conditioned Autoregressive Transformer [0.0]
赤信号違反や信号交差点での厳しいブレーキは、交通事故の主要な原因となっている。
本稿では,交通信号の遷移に伴う運転者の意思決定と縦方向の軌跡の挙動を解析し,予測する。
論文 参考訳（メタデータ） (2026-09-13T08:39:44Z) - A Unified Neural-Aided Alignment and Calibration Method for AUVs [4.913013713982677]
AUVは正確な航法のために慣性航法システム(INS)とドップラー速度ログ(DVL)の融合に依存している。
本稿では、両ステージを補完する2つのニューラルネットワーク、アライメントのためのResAlignNetとキャリブレーションのためのDCNetに置き換える、完全なニューラルネットワークによるDVLパイプラインを提案する。
5つの異なるセンサーエラー終端の組み合わせで記録された実世界のデータを用いて、提案されたパイプラインは、モデルベースベースライン平均68.7%の速度ルート平均二乗誤差を削減した。
論文 参考訳（メタデータ） (2026-08-23T16:32:37Z) - FlowConsist: Make Your Flow Consistent with Real Trajectory [99.22869983378062]
現在の高速フロートレーニングパラダイムには,2つの根本的な問題がある,と我々は主張する。
ランダムにペアリングされたノイズデータサンプルから構築された条件付き速度は、系統的な軌跡ドリフトを導入する。
本研究では,高速フローにおける軌道整合性を実現するためのトレーニングフレームワークであるFlowConsistを提案する。
論文 参考訳（メタデータ） (2026-02-06T03:24:23Z) - STREAM-VAE: Dual-Path Routing for Slow and Fast Dynamics in Vehicle Telemetry Anomaly Detection [1.7751300245073598]
STREAM-VAEは、自動車テレメトリ時系列データにおける異常検出のための変分自動エンコーダである。
モデルでは,低速ドリフトと高速スパイク信号のダイナミックスを分離するためにデュアルパスエンコーダと,過渡偏差を表すデコーダを用いる。
論文 参考訳（メタデータ） (2025-11-19T10:58:40Z) - 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) - Data-Driven Strategies for Coping with Incomplete DVL Measurements [15.619053656143564]
現実のシナリオでは、不完全なドップラー速度測定が行われ、位置決めエラーやミッション中止が発生する。
本稿では,LiBeamsNetとMissBeamNetの2つの最先端ディープラーニング手法の比較分析を行った。
両ディープラーニングアーキテクチャは,速度予測精度が16%以上向上した。
論文 参考訳（メタデータ） (2024-01-28T10:17:36Z) - A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。
本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
論文 参考訳（メタデータ） (2023-09-29T08:30:18Z) - Towards better traffic volume estimation: Jointly addressing the
underdetermination and nonequilibrium problems with correlation-adaptive GNNs [47.18837782862979]
本稿では, 交通量推定に関する2つの重要な問題について考察する。(1) 未検出運動による交通流の過小評価, (2) 渋滞伝播による非平衡交通流。
上記の問題に対処するために,データ駆動型,モデルフリー,相関適応型アプローチをグラフベースで実現するディープラーニング手法を実証する。
論文 参考訳（メタデータ） (2023-03-10T02:22:33Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z)
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。