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.
Till ett annat språk
från källinnehåll
arxiv.org
Viktiga insikter från
by Moritz D. Pi... på arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03034.pdfDjupare frågor