Evaluating the Impact of Convolutional Neural Network Layer Depth on the Enhancement of Inertial Navigation System Solutions

要約

安全なナビゲーションは、自動運転車、ロボット工学、航空などのいくつかのアプリケーションにとって極めて重要です。
慣性航法システムは、特に GPS などの外部基準が利用できない場合に、推測航法によって位置、速度、姿勢を推定します。
ただし、システムを構成する 3 つの加速度計と 3 つのジャイロスコープは、バイアス エラー、スケール ファクター エラー、ノイズなどのさまざまな種類のエラーにさらされており、ナビゲーションの精度が大幅に低下する可能性があり、このシステムの重要な脆弱性も構成されています。
この研究は、教師あり畳み込みニューラル ネットワーク (ConvNet) を採用して、慣性航法システムに固有のこの脆弱性に対処することを目的としています。
これに加えて、このペーパーでは、これらの補正の精度に対する ConvNet 層の深さの影響を評価します。
この評価は、INS (慣性航法システム) における誤り訂正の効果を最大化する最適な層構成を決定し、正確な航法ソリューションを実現することを目的としています。

要約(オリジナル)

Secure navigation is pivotal for several applications including autonomous vehicles, robotics, and aviation. The inertial navigation system estimates position, velocity, and attitude through dead reckoning especially when external references like GPS are unavailable. However, the three accelerometers and three gyroscopes that compose the system are exposed to various types of errors including bias errors, scale factor errors, and noise, which can significantly degrade the accuracy of navigation constituting also a key vulnerability of this system. This work aims to adopt a supervised convolutional neural network (ConvNet) to address this vulnerability inherent in inertial navigation systems. In addition to this, this paper evaluates the impact of the ConvNet layer’s depth on the accuracy of these corrections. This evaluation aims to determine the optimal layer configuration maximizing the effectiveness of error correction in INS (Inertial Navigation System) leading to precise navigation solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google