一种具有抗异常能力的长距离水下导航仿生数据驱动方法
机器人学
2024-03-15 v1 人工智能
摘要
多种动物能够利用环境线索进行精确导航。地球磁场已被证明是动物长距离迁徙中可靠的信息源。受动物导航启发，本文提出一种用于长距离水下导航的仿生数据驱动方法。该方法使用实测地磁数据进行导航，无需 GPS 系统或地理地图。具体而言，我们构建并训练了一个基于时间注意力的长短期记忆（TA-LSTM）网络，以预测导航过程中的航向角。为减轻地磁异常的影响，我们开发了基于最大似然估计的异常检测与量化机制。我们将该机制与 TA-LSTM 集成，对预测的航向角进行校准，从而获得对地磁异常的抵抗能力。利用从 WMM 模型获取的数据，我们在多种导航条件下进行了数值仿真以测试该方法。仿真结果表明，该方法在面对地磁异常时具有韧性导航能力，并在单目的地和多目的地任务中保持了水下导航的精度与稳定性。
引用
@article{arxiv.2403.08808,
title = {A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance},
author = {Songnan Yang and Xiaohui Zhang and Shiliang Zhang and Xuehui Ma and Wenqi Bai and Yushuai Li and Tingwen Huang},
journal= {arXiv preprint arXiv:2403.08808},
year = {2024}
}