DCNet: A Data-Driven Framework for DVL

要約

自律型水中ビークル (AUV) は、さまざまな用途に使用される水中ロボット プラットフォームです。
AUV のナビゲーション ソリューションは、慣性センサーとドップラー速度ログ (DVL) の融合に大きく依存しており、後者は正確な速度更新を提供します。
正確なナビゲーションを保証するために、ミッションが誤差項の推定を開始する前に DVL キャリブレーションが行われます。
キャリブレーション中、AUV は複雑な軌道をたどり、非線形推定フィルターを使用して誤差項を推定します。
このペーパーでは、革新的な方法で 2 次元コンボリューション カーネルを利用するデータ駆動型フレームワークである DCNet を紹介します。
DCNet と当社が提案する DVL 誤差モデルを使用して、迅速な校正手順を提供します。
これは、ほぼ等速の軌道に適用できます。
私たちが提案したアプローチをトレーニングしてテストするために、実際の DVL 記録された測定値を含む 276 分のデータセットが使用されました。
低パフォーマンスの DVL を使用した場合、ベースラインのアプローチと比較して、精度が平均 70% 向上し、キャリブレーション時間が 80% 向上することが実証されました。
これらの改良の結果、低コストの DVL を採用した AUV は、より高い精度とより短い校正時間を実現し、簡単なほぼ等速の校正軌道を適用することができます。
私たちの成果は、低コストで高精度の DVL を利用した海洋ロボット工学の新たな用途も開拓します。

要約(オリジナル)

Autonomous underwater vehicles (AUVs) are underwater robotic platforms used in a variety of applications. An AUV’s navigation solution relies heavily on the fusion of inertial sensors and Doppler velocity logs (DVL), where the latter delivers accurate velocity updates. To ensure accurate navigation, a DVL calibration is undertaken before the mission begins to estimate its error terms. During calibration, the AUV follows a complex trajectory and employs nonlinear estimation filters to estimate error terms. In this paper, we introduce DCNet, a data-driven framework that utilizes a two-dimensional convolution kernel in an innovative way. Using DCNet and our proposed DVL error model, we offer a rapid calibration procedure. This can be applied to a trajectory with a nearly constant velocity. To train and test our proposed approach a dataset of 276 minutes long with real DVL recorded measurements was used. We demonstrated an average improvement of 70% in accuracy and 80% improvement in calibration time, compared to the baseline approach, with a low-performance DVL. As a result of those improvements, an AUV employing a low-cost DVL, can achieve higher accuracy, shorter calibration time, and apply a simple nearly constant velocity calibration trajectory. Our results also open up new applications for marine robotics utilizing low-cost, high-accurate DVLs.

arxiv情報

著者 Zeev Yampolsky,Itzik Klein
発行日 2024-10-11 13:47:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO パーマリンク