Feb, 2024

一种仿生数据驱动的远距离水下导航方法和抗异常技术

PDF
TL;DR通过测量地磁数据，该研究构建和训练了一种基于时间注意力的长短期记忆网络，用于长距离水下导航，并通过最大似然估计检测并量化地磁异常，以提高导航的准确性和稳定性。
animal navigationunderwater navigationgeomagnetic datata-lstm networkgeomagnetic anomalies
发现论文，激发创造
  • 利用随机森林探测弱信号和提取物理信息的研究：以磁导航为例

    利用机器学习的多种模型，如储备计算、时延前馈神经网络和随机森林，可以在复杂环境下检测地球的异常磁场，并提高导航精度。

    Feb, 2024

  • 通过多路径长期船舶轨迹预测构建更安全的海上环境

    利用自动识别系统（Automatic Identification System，AIS）数据和编码器 - 解码器模型，本研究预测了船只轨迹，进而提高船只安全和避免船只与鲸类碰撞，证实了地理数据工程和轨迹预测模型在保护海洋生物物种方面的潜力。

    Oct, 2023

  • GNSS-Denied 场景下角度稳健性无人机导航

    通过采用新颖的角度稳健导航范式和模型，结合自适应特征增强模块、跨领域注意力引导模块和鲁棒任务导向头模块，实现高精度导航的方向角预测，并经过实验证明所提出的模型在理想和干扰环境下的到达成功率分别提高了 26.0% 和 45.6%，从而解决了基于视觉的导航方法的局限性。

    Feb, 2024

  • 数据驱动导航：概念、模型和实验验证

    本文回顾 ANSFL 开发的多学科基于数据驱动的导航算法，其包括适用于人和动物应用、各种自主平台以及多用途导航和融合方法，这些方法在导航领域得到了实验验证和最新的表现。

    Oct, 2022

  • 利用加速度计与 GNSS 数据进行动物行为原位分类的多模态传感器数据融合

    本文研究了基于多种传感器数据（包括加速度计和全球定位系统）进行动物行为分类的方法，提出了两种不同的信息融合方法，其中基于后验概率的方法表现更好。实验结果表明，使用多种传感器数据可以明显提高分类性能，特别是针对步行和饮水等重要行为。

    Jun, 2022

  • AI 增强模拟指导操作

    使用长短期记忆（LSTM）神经网络的多保真度自适应方法来估计双峰双向海况下的船舶响应统计数据，并使用低保真度的 SimpleCode 和高保真度的 LAMP 工具生成训练数据，通过对 LAMP 船舶运动响应数据进行训练后，将历史天气输入到 SimpleCode 和 LSTM 网络中，与高保真度结果进行比较。

    Jul, 2023

  • 基于 Transformer 增强 LSTM 网络的 GNSS 观测非 LOS 检测和不确定性预测

    通过分析全球导航卫星系统 (GNSS) 观测数据，本研究提出了一种基于深度学习的方法来检测非直射路径接收与预测 GNSS 伪距误差，并构建了类似 Transformer 的注意机制来提高模型性能和泛化能力，实验结果表明相比其他模型，该方法在车辆定位中具有更好的准确性和召回率，能够避免轨迹偏离问题。

    Sep, 2023

  • 自动编码 GPS 数据揭示个体和集体行为

    通过个体轨迹数据进行个体和集体行为分析的创新通用方法，用于研究法国渔船的海洋生物多样性保护和生态系统为基础的渔业管理，通过卷积神经网络构建轨迹的低维潜在表示，并使用 Bhattacharyya 系数比较轨迹的潜在分布，以及使用接近性图和扩展的随机块模型对多个网络进行个体聚类。

    Dec, 2023

  • 面对不完整的 DVL 测量的数据驱动策略

    比较分析了 LiBeamsNet 和 MissBeamNet 这两种先进的深度学习方法以及基于模型的平均估计器的有效性，这些方法在两个波束不可用时对于回归丢失的 Doppler 速度日志波束进行了评估。研究发现，这两种深度学习架构的速度预测准确性相比基于模型的方法提高了 16% 以上。

    Jan, 2024

  • 快速稳健的生物启发式教与重复导航

    本文研究了移动机器人的自主导航问题，通过异步教学和重复的策略，结合视觉处理和硬件测距的信息，实现了对室内和室外复杂环境的有效导航和运动控制，并且在不同机器人平台之间具有较好的通用性和重复性。

    Oct, 2020