一种用于无人机状态识别与轨迹预测的多任务学习框架
系统与控制
2023-10-18 v1 系统与控制
摘要
无人机（UAV）操作的兴起以及无人机传感器的脆弱性，导致需要适当的监测系统来检测无人机的任何异常行为。本工作通过提出一种创新的多任务学习框架（MLF-ST）来解决此问题，用于无人机状态识别与轨迹预测，旨在同时优化两项任务的性能。我们采用了具有共享层以从输入数据中提取特征的深度神经网络，利用无人机传感器测量值与历史轨迹信息。此外，提出了一种结合两个目标的新损失函数，鼓励网络联合学习对两项任务最有用的特征。所提出的 MLF-ST 框架在一个大规模的无人机飞行数据集上进行了评估，表明其在状态识别和轨迹预测方面均优于各种最先进的基线技术。使用真实世界数据对该框架的评估表明，它能够支持基于无人机的监视与监测等应用，同时提升无人机操作的安全性和效率。
引用
@article{arxiv.2309.06741,
title = {A Multi-task Learning Framework for Drone State Identification and Trajectory Prediction},
author = {Antreas Palamas and Nicolas Souli and Tania Panayiotou and Panayiotis Kolios and Georgios Ellinas},
journal= {arXiv preprint arXiv:2309.06741},
year = {2023}
}