Nadav Cohen
収録論文 15本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- GNSS遮断環境向けベイズ学習強化ディープスムージングナビゲーション2026/6/1
GNSSが使えない環境でのナビゲーション精度を高めるため、ベイズ平滑化にトランスフォーマーによる学習を組み合わせた手法を提案し、クアッドローターのデータで精度向上を実証した。
- AI支援による自律型水中ビークル航法の進歩水中航法2026/5/1
自律型水中ビークル(AUV)の航法精度向上のため、慣性航法システムとドップラー速度ログ、カメラを統合するセンサフュージョン技術と、AI駆動の学習アプローチによる慣性デッドレコニング改善を解説した章。
- ベイズ学習と深層平滑化を統合した慣性航法の高精度化位置推定2026/3/1
慣性/GNSS統合航法の後処理精度を高めるため、古典的な2フィルタ平滑化にTransformerベースのニューラルネットを組み合わせ、共分散行列の修正と平滑化誤差への補正をベイズ枠組み内で学習するフレームワークBLENDSを提案した。実データで最大63%の水平位置精度向上を確認。
- 長時間のDVL途絶に耐えるTransformerベース水中慣性航法水中ナビゲーション2025/4/1
DVLが最大50秒途絶する状況でも、慣性センサと過去のDVLデータからTransformerで速度を推定し、EKFに統合することで水中航法精度を大幅に改善した。
- 相互相関を考慮した深層INS/DVL融合による水中航法の高精度化水中航法/センサ融合2025/3/1
深層学習によるDVL速度推定を拡張カルマンフィルタに統合する際に生じる過程・観測ノイズ間の相互相関を明示的に扱う枠組みを提案し、実海域データで速度・姿勢推定精度を10%以上改善した。
- ガウス過程回帰による水中ナビゲーションの高精度化水中ナビゲーション2025/2/1
DVLの速度推定に多出力ガウス過程回帰を用い、不確かさを考慮した適応的EKFで水中航法精度を約20%改善した。
- ヘビの動きに着想を得たハイブリッド学習による移動ロボットの測位慣性測位2024/11/1
ヘビのような蛇行運動を行う移動ロボットの慣性センサデータから、ニューラルネットワークで移動距離を推定し、測位誤差を33%改善するフレームワークMoRPINetを提案した。
- 深層学習支援による慣性デッドレコニングと融合慣性航法2024/7/1
周期運動中のドローンや移動ロボットの慣性航法において、深層学習を用いて移動距離の変化を推定し、GNSSとの融合精度を向上させる手法を提案した論文。
- 限られたDVL計測下でのシームレスな水中航法水中航法2024/4/1
DVLのビームが3本未満しか得られない場合に、ニューラルネットで欠損ビームを推定し、EKFに統合することでAUVの航法精度を向上させる手法を提案した。
- 不完全なDVL計測に対処するためのデータ駆動型戦略水中ナビゲーション2024/1/1
自律水中航法でDVLのビームが欠損した際に、深層学習モデル(LiBeamsNetとMissBeamNet)とモデルベース推定器を比較し、学習手法が速度予測精度で16%以上優れることを示した。
- 適応型カルマン情報トランスフォーマセンサ融合2024/1/1
拡張カルマンフィルタのプロセスノイズ共分散をオンラインで学習するトランスフォーマベースの手法を提案し、自律水中ロボットのセンサ融合で従来法より高精度な位置推定を実現した。
- 慣性航法と深層学習の融合:現状の動向と将来展望に関するサーベイ慣性航法/センサフュージョン2023/7/1
慣性センシングとセンサフュージョンに深層学習を適用した研究を、陸・空・海の環境別に分類してレビューし、今後の研究方向を分析したサーベイ論文。
- 完全なDVL途絶時におけるAUV速度予測のためのSet-Transformer BeamsNetAUVナビゲーション2022/12/1
DVLが完全に途絶した状況で、慣性センサと過去のDVL速度データからSet-Transformerを用いてAUVの速度を予測する手法を提案し、移動平均法より26%高精度な結果を得た。
- LiBeamsNet:DVLビーム計測が限られる状況下でのAUV速度ベクトル推定AUVナビゲーション2022/10/1
DVLのビームが一部欠損しても、慣性データと残りのビームから深層学習で欠損ビームを推定し、AUVの速度ベクトルを算出する手法を提案し、実海域実験で有効性を示した。
- BeamsNet: ドップラー流速計の計測を強化するデータ駆動型AUV航法AUV航法2022/6/1
AUVのDVL速度ベクトル推定を深層学習で回帰し、モデルベース手法より60%以上精度を改善した。
