日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2601.08244

GPS途絶時ナビゲーションを強化する脳模倣型情報融合手法

A brain-inspired information fusion method for enhancing robot GPS outages navigation

シェア:XThreadsFacebookLINEはてブBluesky

スパイキングニューラルネットワークを用いてGPS/INS融合ネットワークを構築し、GPS途絶時でも慣性センサから高精度に位置推定する手法を提案した。

詳しい要約

1. どんなもの?

- 低コストINSのGPS途絶時精度劣化に対処する、brain-inspired GPS/INS fusion network (BGFN) を提案。 - spiking neural networks (SNNs) を基盤とし、spiking Transformer と spiking encoder を統合。 - IMU信号の空間特徴と時間動態を同時抽出し、車両姿勢・比力・角速度とGPS位置増分の関係をモデル化。 - 現在および履歴のIMUデータを用いて車両運動を推定。

2. 先行研究と比べてどこがすごい?

- 従来の深層学習手法と比較し、特に長時間のGPS途絶下で高い精度と信頼性を実現。 - 実世界フィールドテストと公開データセットで有効性を確認。 - 具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は?

- spiking neural networks (SNNs) に基づくbrain-inspired GPS/INS fusion network (BGFN)。 - spiking Transformer と spiking encoder を統合し、IMU信号の空間特徴と時間動態を同時抽出。 - 車両姿勢、比力、角速度、GPS由来位置増分の関係をモデル化。 - 現在と履歴のIMUデータを活用して運動推定。

4. どうやって有効だと検証した?

- 実世界フィールドテストと公開データセット上の実験で評価。 - 従来の深層学習手法と比較し、GPS途絶時特に長時間で高精度・高信頼性を確認。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、GPS/INS fusion、spiking neural networks (SNNs)、Transformer ベースのナビゲーション手法が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yaohua Liu, Hengjun Zhang, Binkai Ou

分類: cs.RO

原文アブストラクト

Low-cost inertial navigation systems (INS) are prone to sensor biases and measurement noise, which lead to rapid degradation of navigation accuracy during global positioning system (GPS) outages. To address this challenge and improve positioning continuity in GPS-denied environments, this paper proposes a brain-inspired GPS/INS fusion network (BGFN) based on spiking neural networks (SNNs). The BGFN architecture integrates a spiking Transformer with a spiking encoder to simultaneously extract spatial features from inertial measurement unit (IMU) signals and capture their temporal dynamics. By modeling the relationship between vehicle attitude, specific force, angular rate, and GPS-derived position increments, the network leverages both current and historical IMU data to estimate vehicle motion. The effectiveness of the proposed method is evaluated through real-world field tests and experiments on public datasets. Compared to conventional deep learning approaches, the results demonstrate that BGFN achieves higher accuracy and enhanced reliability in navigation performance, particularly under prolonged GPS outages.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI