基于已知动力学的对象识别：面向 UAV 分类的 PIRNN 方法
机器学习
2025-09-29 v1 机器人学
摘要
本工作针对已知动力学下的对象识别问题，提出一种面向无人机应用的物理信息残差神经网络方法，将学习与分类相结合。该框架利用物理信息学习进行状态映射和状态导数预测，而 softmax 层则实现多类置信度估计。作为案例研究，我们考虑四旋翼、固定翼和直升机三类无人机。结果表明，该方法在保持高分类准确率的同时显著缩短训练时间，为动力学领域明确了解的情况下的系统识别问题提供了有前景的解决方案。
引用
@article{arxiv.2509.21405,
title = {Object Identification Under Known Dynamics: A PIRNN Approach for UAV Classification},
author = {Nyi Nyi Aung and Neil Muralles and Adrian Stein},
journal= {arXiv preprint arXiv:2509.21405},
year = {2025}
}
备注
2025 International Conference on Machine Learning and Applications (ICMLA)