An ensemble of online estimation methods for one degree-of-freedom models of unmanned surface vehicles: applied theory and preliminary field results with eight vehicles

要約

この論文では、アンサンブルとして実装された無人水上車両 (USV) のオンライン システム識別のための 3 つの一般的な方法、つまり、証明された安定性を備えた浅いリカレント ニューラル ネットワーク (RNN)、適応識別 (AID)、および再帰的最小二乗法の実験的評価を報告します。
(RLS)。
アルゴリズムは 8 台の USV に導入され、合計 30 時間のオンライン推定が行われました。
オンライン トレーニング中、RNN の損失関数は、収縮の安定性という意味で RNN が安定するための十分条件に違反するコストを含めるように強化されました。
さらに、RNN の平衡点を計算し、これらの点に関する関連する安定性特性を分類する効率的な方法について説明しました。
オンライン予測設定では AID 法の平均絶対誤差が最も低かったが、オフライン処理では重み付きアンサンブルの方が誤差が低かったことがわかりました。

要約(オリジナル)

In this paper we report an experimental evaluation of three popular methods for online system identification of unmanned surface vehicles (USVs) which were implemented as an ensemble: certifiably stable shallow recurrent neural network (RNN), adaptive identification (AID), and recursive least squares (RLS). The algorithms were deployed on eight USVs for a total of 30 hours of online estimation. During online training the loss function for the RNN was augmented to include a cost for violating a sufficient condition for the RNN to be stable in the sense of contraction stability. Additionally we described an efficient method to calculate the equilibrium points of the RNN and classify the associated stability properties about these points. We found the AID method had lowest mean absolute error in the online prediction setting, but a weighted ensemble had lower error in offline processing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google