面向完全 DVL 中断场景的 AUV 速度预测的 Set-Transformer BeamsNet
机器人学
2022-12-23 v1 机器学习
信号处理
摘要
自主水下航行器（AUV）常用于深海应用。通常，自主导航任务由惯性导航系统与多普勒测速仪（DVL）两种传感器融合完成。DVL 通过向海床发射四束声学波束，并在反射回来后估计 AUV 速度矢量。然而，在真实场景中，如不平坦的海床、阻挡 DVL 视线的海洋生物以及横滚/俯仰机动，声学波束的反射会导致称为 DVL 中断的情形。因此，无法获得速度更新来约束惯性解漂移。为应对此类情况，本文利用我们的 BeamsNet 框架，提出一种基于 Set-Transformer 的 BeamsNet（ST-BeamsNet），其在完全 DVL 中断时利用惯性数据读数与先前的 DVL 速度测量来回归当前 AUV 速度。所提方法使用地中海 Snapir AUV 实验数据进行了评估，并与移动平均（MA）估计器比较。我们的 ST-BeamsNet 以 8.547% 的速度误差估计 AUV 速度矢量，比 MA 方法好 26%。
引用
@article{arxiv.2212.11671,
title = {Set-Transformer BeamsNet for AUV Velocity Forecasting in Complete DVL Outage Scenarios},
author = {Nadav Cohen and Zeev Yampolsky and Itzik Klein},
journal= {arXiv preprint arXiv:2212.11671},
year = {2022}
}