多数のMEMS IMUを用いた陸上ナビゲーションのためのロバスト拡張カルマンフィルタ

- 低コスト MEMS IMU を数百個アレイ化した land navigation 向けの robust EKF を提案。 - 課題は sensor-specific bias の burst、bias drift、多数計測の集約による計算負荷増大。 - 前段フィルタ RISAF を導入し、EKF 予測前に異常値抑制と bias 補償を行う。 - 融合後の慣性計測を標準 EKF に渡すため、状態ベクトルを最小に保ち real-time 実行を可能にする。

- 従来の単純平均 baseline と比較し、azimuth 精度を大幅改善し drift 蓄積を低減。 - 大規模 MEMS アレイの robust fusion により、安価な hardware と tactical-grade inertial navigation の性能差を大きく埋められることを示す。 - 計算負荷を増やさずに多数センサを集約できる点が、既存の EKF ベース手法に対する優位性。

- RISAF: dynamic percentile gating と real-time bias tracking を組み合わせた pre-filtering framework。 - 異常な sensor reading を抑制し、個々の sensor drift を補償しつつ vehicle-level kinematic signal を保持。 - 融合済み慣性計測を標準 EKF の prediction step に渡す構成。 - これにより navigation filter の state vector を最小化し、real-time 実行を維持。

- 広範な simulation と GNSS-denied 環境での real-world field test で評価。 - データは supplementary material として提供。 - baseline の sensor reading 平均と比較し、azimuth 精度向上と drift 蓄積低減を確認。

- 大規模 MEMS 慣性アレイの robust fusion が、低コスト hardware と tactical-grade inertial navigation の性能差を大きく埋める可能性を示唆。 - ただし、具体的な限界や failure case、計算コストの詳細は要旨からは不明。 - 実運用での長期安定性や他環境への一般化については要旨からは不明。

- 要旨で直接参照されている研究は明示されていない。 - 関連手法として、Extended Kalman Filter (EKF)、MEMS IMU array、GNSS-denied navigation、robust sensor fusion、dynamic percentile gating、real-time bias tracking が挙げられる。 - 同分野の定番として、inertial navigation system (INS) と GNSS の融合、MEMS IMU の bias 推定、robust filtering に関する文献を次に読むべき。