Deep Learning for Inertial Positioning: A Survey

要約

慣性センサーは、スマートフォン、ドローン、ロボット、IoT デバイスで広く利用されており、ユビキタスで信頼性の高いローカリゼーションを実現する上で重要な役割を果たしています。
慣性センサー ベースのポジショニングは、パーソナル ナビゲーション、位置情報に基づくセキュリティ、ヒューマン デバイス インタラクションなど、さまざまなアプリケーションで不可欠です。
ただし、低コストのMEMS慣性センサーの測定値は、さまざまなエラーソースによって必然的に破損し、従来の慣性ナビゲーションアルゴリズムに二重に統合すると無限のドリフトが発生し、慣性測位がエラードリフトの問題にさらされます。
近年、センサーデータと計算能力の急速な増加に伴い、ディープラーニング技術が開発され、慣性測位の問題に対処するための重要な研究が行われています。
この分野の関連文献は、モバイル コンピューティング、ロボット工学、機械学習にまたがっています。
この記事では、深層学習ベースの慣性測位と、歩行者、ドローン、車両、およびロボットの追跡におけるそのアプリケーションの包括的なレビューを提供します。
さまざまな分野の取り組みを結び付け、深層学習を適用してセンサーのキャリブレーション、測位誤差のドリフトの低減、マルチセンサーの融合などの問題に対処する方法について説明します。
この記事は、慣性測位の問題を解決するための深層学習ベースの手法の可能性に関心のある研究者や実務家など、さまざまな背景を持つ読者を引き付けることを目的としています。
私たちのレビューは、深層学習がもたらすエキサイティングな可能性を示し、この分野の将来の研究へのロードマップを提供します。

要約(オリジナル)

Inertial sensors are widely utilized in smartphones, drones, robots, and IoT devices, playing a crucial role in enabling ubiquitous and reliable localization. Inertial sensor-based positioning is essential in various applications, including personal navigation, location-based security, and human-device interaction. However, low-cost MEMS inertial sensors’ measurements are inevitably corrupted by various error sources, leading to unbounded drifts when integrated doubly in traditional inertial navigation algorithms, subjecting inertial positioning to the problem of error drifts. In recent years, with the rapid increase in sensor data and computational power, deep learning techniques have been developed, sparking significant research into addressing the problem of inertial positioning. Relevant literature in this field spans across mobile computing, robotics, and machine learning. In this article, we provide a comprehensive review of deep learning-based inertial positioning and its applications in tracking pedestrians, drones, vehicles, and robots. We connect efforts from different fields and discuss how deep learning can be applied to address issues such as sensor calibration, positioning error drift reduction, and multi-sensor fusion. This article aims to attract readers from various backgrounds, including researchers and practitioners interested in the potential of deep learning-based techniques to solve inertial positioning problems. Our review demonstrates the exciting possibilities that deep learning brings to the table and provides a roadmap for future research in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google