应对不完整 DVL 测量的数据驱动策略
机器人学
2024-10-10 v1 人工智能
系统与控制
信号处理
系统与控制
摘要
自主水下航行器是为深海作业设计的专用平台。其功能的关键是自主导航，通常依赖惯性导航系统和多普勒测速仪 (DVL)。在实际情况中，会出现不完整的多普勒测速仪测量，导致定位误差和任务中止。为了应对这种情况，推导出了模型和学习方法。本文对两种前沿的深度学习方法，即 LiBeamsNet 和 MissBeamNet，以及基于模型的平均估计器进行了比较分析。当两个波束不可用时，评估了这些方法在回归缺失多普勒测速仪波束方面的有效性。在我们的研究中，我们使用了由在地中海作业的自主水下航行器上搭载的 DVL 记录的数据。我们发现，这两种深度学习架构在速度预测精度上比基于模型的方法高出 16% 以上。
引用
@article{arxiv.2401.15620,
title = {Data-Driven Strategies for Coping with Incomplete DVL Measurements},
author = {Nadav Cohen and Itzik Klein},
journal= {arXiv preprint arXiv:2401.15620},
year = {2024}
}