이 연구에서는 FlexKalmanNet이라는 새로운 모듈식 프레임워크를 소개합니다. FlexKalmanNet은 깊은 완전 연결 신경망(DFCNN)과 칼만 필터 기반 운동 추정 알고리즘을 결합하여, 측정 데이터에서 직접 칼만 필터 매개변수를 학습할 수 있습니다. 이를 통해 다양한 칼만 필터 변형을 유연하게 활용할 수 있습니다.
FlexKalmanNet의 핵심 혁신은 신경망에서 순차적 계산을 분리하여 칼만 필터 변형에 위임하는 것입니다. 이를 통해 순차적 패턴에 의존하지 않는 순방향 신경망 아키텍처를 사용할 수 있습니다. 이 아키텍처는 복잡하고 비선형적인 특징을 효과적으로 처리할 수 있습니다.
NASA의 Astrobee 시뮬레이션 환경에서 수집한 데이터를 사용하여 FlexKalmanNet의 성능을 평가했습니다. 그 결과 FlexKalmanNet은 빠른 학습 수렴, 높은 정확도, 수동으로 튜닝된 확장 칼만 필터보다 우수한 성능을 보였습니다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
핵심 통찰 요약
by Moritz D. Pi... 게시일 arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03034.pdf더 깊은 질문