Semi-Supervised Novelty Detection for Precise Ultra-Wideband Error Signal Prediction

要約

超広帯域 (UWB) テクノロジーは、汎用環境でのローカリゼーションのための新たな低コスト ソリューションです。
ただし、UWB 信号は、信号の反射やアンカー間の見通し外 (NLoS) 状態の影響を受ける可能性があります。
したがって、広い意味では、環境の特定の形状とマップ内の障害要素の配置が、ロボットの正確な位置特定に対する UWB の信頼性を大幅に妨げる可能性があります。
この研究は、指紋の半教師ありノベルティ検出手法を使用して、UWB 品質信号のマップ固有の特性を学習することで、この問題を軽減することを目的としています。
教師なしオートエンコーダー ニューラル ネットワークは、公称 UWB マップ条件でトレーニングされ、環境内に混乱を引き起こす新規要素が導入されたことに起因するエラーを予測するために使用されます。
この研究は、UWB の位置特定と、進化する環境条件におけるその信頼性の理解に大きな変化をもたらします。
提案された方法の結果として得られるパフォーマンスは、視覚的な追跡グランドトゥルースを使用して得られた詳細な実験によって証明されます。

要約(オリジナル)

Ultra-Wideband (UWB) technology is an emerging low-cost solution for localization in a generic environment. However, UWB signal can be affected by signal reflections and non-line-of-sight (NLoS) conditions between anchors; hence, in a broader sense, the specific geometry of the environment and the disposition of obstructing elements in the map may drastically hinder the reliability of UWB for precise robot localization. This work aims to mitigate this problem by learning a map-specific characterization of the UWB quality signal with a fingerprint semi-supervised novelty detection methodology. An unsupervised autoencoder neural network is trained on nominal UWB map conditions, and then it is used to predict errors derived from the introduction of perturbing novelties in the environment. This work poses a step change in the understanding of UWB localization and its reliability in evolving environmental conditions. The resulting performance of the proposed method is proved by fine-grained experiments obtained with a visual tracking ground truth.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google