Alapfogalmak
Schließen Sie die Lücke zwischen synthetischen und echten Bildern für die Raumfahrt-NN-Trainings.
Statisztikák
Die NNs mit verschiedenen Epochen des Trainings werden verwendet, um die Fähigkeit des Filters zur Konvergenz zu prüfen.
Die Verbesserung der AUKF-Leistung ist sichtbar, insbesondere bei der Reduzierung von Steady-State-Fehlern.
Die Verbesserung der NN-Leistung auf HIL-Domänen ist sichtbar.
Idézetek
"Die Experimente zeigen, dass OST nicht nur die Steady-State-Fehler des AUKF verbessern kann, sondern auch die Leistung des NN auf der HIL-Domäne insgesamt verbessert."
"Die Verbesserung ist dramatischer für ROE1, wo Essq bereits bei nur 10 Epochen des Offline-Trainings auf synthetischen Trajektorien übereinstimmen kann."