Towards End-to-End GPS Localization with Neural Pseudorange Correction

要約

擬似距離エラーは、GPS における位置特定の不正確さの根本原因です。
以前のデータ駆動型の手法は、手作りの中間ラベルを使用して擬似距離エラーを回帰させ、排除していました。
これらとは異なり、私たちは、GPS 受信機の状態のグランド トゥルースを使用して計算された最終タスク損失を直接使用して、擬似距離補正 (PrNet) 用のニューラル ネットワークをトレーニングする、エンドツーエンドの GPS 位置特定フレームワーク E2E-PrNet を提案します。
学習可能なパラメータに関する損失の勾配は、微分可能な非線形最小二乗オプティマイザを介して PrNet に逆伝播されます。
Android スマートフォンによって収集された GPS データを使用して実現可能性が検証され、E2E-PrNet が最先端のエンドツーエンド GPS 位置特定方法よりも優れていることが示されています。

要約(オリジナル)

Pseudorange errors are the root cause of localization inaccuracy in GPS. Previous data-driven methods regress and eliminate pseudorange errors using handcrafted intermediate labels. Unlike them, we propose an end-to-end GPS localization framework, E2E-PrNet, to train a neural network for pseudorange correction (PrNet) directly using the final task loss calculated with the ground truth of GPS receiver states. The gradients of the loss with respect to learnable parameters are backpropagated through a differentiable nonlinear least squares optimizer to PrNet. The feasibility is verified with GPS data collected by Android phones, showing that E2E-PrNet outperforms the state-of-the-art end-to-end GPS localization methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google