Core Concepts
NEURIT은 시간-주파수 블록 순환 변환기(TF-BRT)를 핵심으로 하여 시간 및 주파수 영역에서 대표적인 특징을 학습함으로써 실내 로봇 추적 정확도를 새로운 수준으로 향상시킨다.
Abstract
NEURIT은 실내 로봇 추적을 위한 새로운 시스템으로, 두 가지 주요 측면에서 두드러진다:
IMU 데이터 특성에 대한 깊이 있는 이해를 바탕으로, NEURIT은 가속도계와 자이로스코프 측정값 외에 자기계 데이터를 추가 특징으로 통합한다. 자기계는 장기 방향 정보를 제공하여 자이로스코프 드리프트를 보상할 수 있다. 이를 위해 NEURIT은 몸체 좌표계에서 자기계 미분을 통합하여 자세 및 움직임 정보를 효과적으로 결합한다.
신경망의 잠재력을 최대한 활용하기 위해, NEURIT은 RNN과 Transformer의 장점을 결합한 새로운 시간-주파수 블록 순환 변환기(TF-BRT)를 제안한다. TF-BRT는 현재 IMU 데이터와 과거 정보를 모두 활용하여 더 정확한 추적 결과를 생성한다. 또한 시간 및 주파수 영역 특징을 모두 학습하여 다양한 움직임 상태에 대한 추론 능력을 향상시킨다.
실험 결과, NEURIT은 기존 최고 성능 모델 대비 48.21% 향상된 정확도를 보이며, 300m 거리에서 평균 1m 이내의 추적 오차를 달성한다. 또한 시각-관성 추적 시스템과 비교해서도 평면 환경에서 우수한 성능을 보인다.
Stats
300m 거리에서 평균 1m 이내의 추적 오차를 달성했다.
기존 최고 성능 모델 대비 48.21% 향상된 정확도를 보였다.
평균 0.62%의 낮은 드리프트 비율을 나타냈다.
Quotes
"NEURIT은 시간-주파수 블록 순환 변환기(TF-BRT)를 핵심으로 하여 시간 및 주파수 영역에서 대표적인 특징을 학습함으로써 실내 로봇 추적 정확도를 새로운 수준으로 향상시킨다."
"NEURIT은 기존 최고 성능 모델 대비 48.21% 향상된 정확도를 보이며, 300m 거리에서 평균 1m 이내의 추적 오차를 달성한다."