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

本論文では、無人サーフェスビークル（USV）のオンラインシステム同定のための3つの一般的な手法をアンサンブルとして実装した実験的評価について報告する。これらのアルゴリズムは8台のUSVに搭載され、合計30時間のオンライン推定を行った。オンライン学習中にRNNの損失関数を拡張し、RNNが収縮安定性の意味で安定であるための十分条件に違反した場合のコストを含めるようにした。さらに、RNNの平衡点を計算し、これらの点に関する安定性を分類する効率的な方法を説明した。オンライン予測ではAID法が最も平均絶対誤差が小さいが、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小さいことがわかった。

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, DeepL