ニューラル支援による航行中の自己ヘディング整列

Abstract

海洋において動作する自律プラットフォームには、任務を首尾よく完遂するために正確な航法が必要です。この点に関して、初期方位推定の精度と、それを達成するまでに要する時間は極めて重要な役割を果たします。初期方位は従来、方位分解を用いるモデルベースの手法によって推定されてきました。しかし、双対ベクトル分解や最適化された姿勢分解のような方法では、十分な方位精度が得られるのは長いアラインメント時間の後に限られます。迅速かつ正確な初期方位推定を可能にするために、本研究ではモデルベース手法と同じ入力を用いた、エンドツーエンドのモデルフリーかつニューラル支援型の枠組みを提案します。提案手法は、自律型水上機（ASV）によって取得された実世界データセットで学習および評価を行いました。提案手法は、モデルベース手法に比べて大幅な精度向上を示し、平均絶対誤差で53%の改善を達成しました。さらに、提案手法はアラインメント時間を最大67%削減できることも示されました。したがって、提案手法を用いることで、アラインメント時間の短縮と精度向上が実現され、結果として自律プラットフォームの配備時間をより短くできるとともに、任務中の航法精度を高めることが可能になります。