Deep Learning for Inertial Positioning: A Survey

要約

慣性センサーはスマートフォン、ドローン、ロボット、IoT デバイスで広く利用されており、ユビキタスで信頼性の高い位置特定を可能にする上で重要な役割を果たしています。
慣性センサーベースの測位は、パーソナル ナビゲーション、位置ベースのセキュリティ、人間とデバイスのインタラクションなど、さまざまなアプリケーションで不可欠です。
しかし、低コストの MEMS 慣性センサーの測定値はさまざまな誤差要因によって必然的に破損し、従来の慣性航法アルゴリズムに二重に統合されると無制限のドリフトが発生し、慣性測位が誤差ドリフトの問題にさらされます。
近年、センサーデータと計算能力の急速な増加に伴い、深層学習技術が開発され、慣性測位の問題に対処するための重要な研究が活発化しています。
この分野の関連文献は、モバイル コンピューティング、ロボット工学、機械学習に及びます。
この記事では、深層学習ベースの慣性測位と、歩行者、ドローン、車両、ロボットの追跡におけるその応用について包括的にレビューします。
さまざまな分野の取り組みを結びつけ、センサーのキャリブレーション、測位誤差ドリフトの低減、マルチセンサーフュージョンなどの問題に対処するためにディープラーニングをどのように適用できるかについて議論します。
この記事は、慣性位置決め問題を解決するための深層学習ベースの技術の可能性に興味のある研究者や実践者など、さまざまな背景の読者を惹きつけることを目的としています。
私たちのレビューは、ディープラーニングがもたらすエキサイティングな可能性を実証し、この分野の将来の研究のロードマップを提供します。

要約(オリジナル)

Inertial sensors are widely utilized in smartphones, drones, robots, and IoT devices, playing a crucial role in enabling ubiquitous and reliable localization. Inertial sensor-based positioning is essential in various applications, including personal navigation, location-based security, and human-device interaction. However, low-cost MEMS inertial sensors’ measurements are inevitably corrupted by various error sources, leading to unbounded drifts when integrated doubly in traditional inertial navigation algorithms, subjecting inertial positioning to the problem of error drifts. In recent years, with the rapid increase in sensor data and computational power, deep learning techniques have been developed, sparking significant research into addressing the problem of inertial positioning. Relevant literature in this field spans across mobile computing, robotics, and machine learning. In this article, we provide a comprehensive review of deep learning-based inertial positioning and its applications in tracking pedestrians, drones, vehicles, and robots. We connect efforts from different fields and discuss how deep learning can be applied to address issues such as sensor calibration, positioning error drift reduction, and multi-sensor fusion. This article aims to attract readers from various backgrounds, including researchers and practitioners interested in the potential of deep learning-based techniques to solve inertial positioning problems. Our review demonstrates the exciting possibilities that deep learning brings to the table and provides a roadmap for future research in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google