iMoT：用于惯性导航的惯性运动Transformer

我们提出了iMoT，一种创新的基于Transformer的惯性里程计方法，该方法从运动和旋转模态中检索跨模态信息以进行准确的位置估计。与先前的工作不同，在运动上下文的编码过程中，我们在每个编码器层的开始处引入了渐进序列解耦器，以突出加速度和角速度信号中固有的关键运动事件。为了更好地聚合跨模态交互，我们提出了自适应位置编码，它根据不同模态之间的时间差异动态修改位置嵌入。在解码过程中，我们引入了一小组可学习的查询运动粒子作为先验，以对速度段内的运动不确定性进行建模。每个查询运动粒子旨在提取专用于特定运动模式的跨模态特征，所有这些结合在一起使得模型能够有效地细化其对运动动力学的理解。最后，我们设计了一种动态评分机制，通过在最终解码步骤中考虑所有对齐的运动粒子来稳定iMoT的优化，确保稳健且准确的速度段估计。在各种惯性数据集上的广泛评估表明，iMoT在轨迹重建的稳健性和准确性方面显著优于现有最先进方法。