Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

HDVIO2.0: Ước tính gió và nhiễu loạn với Hybrid Dynamics VIO

Created by
  • Haebom

Tác giả

Giovanni Cioffi, Leonard Bauersfeld, Davide Scaramuzza

Phác thảo

HDVIO2.0 được phát triển để khắc phục những hạn chế của phép đo quán tính thị giác (VIO) thông thường, vốn làm giảm hiệu suất khi có các mô hình xe có độ khả dụng thấp và các nhiễu loạn bên ngoài liên tục như gió. Mô hình này giới thiệu một mô hình động lực học xe tịnh tiến và quay sáu bậc tự do (6DoF), tích hợp chặt chẽ với VIO đồng thời giảm thiểu tải tính toán trong các ứng dụng thời gian thực. Mô hình này nắm bắt các hiệu ứng khí động học phức tạp bằng cách sử dụng mô hình động lực học lai kết hợp mô hình xe điểm-khối lượng và các thành phần dựa trên học máy, đồng thời truy cập các lệnh điều khiển và lịch sử IMU để biểu diễn động lực học quay dưới dạng hàm thời gian liên tục. Mô hình này sử dụng sự khác biệt giữa chuyển động thực tế và chuyển động dự đoán để ước tính các lực bên ngoài và trạng thái robot. Mô hình này vượt trội hơn các phương pháp tiên tiến trên các tập dữ liệu động lực học máy bay không người lái mới và có sẵn công khai cũng như trong các thí nghiệm bay thực tế với sức gió lên đến 25 km/h. Mô hình này chứng minh rằng có thể dự đoán chính xác động lực học xe ngay cả khi không có kiến ​​thức chính xác về trạng thái xe.

Takeaways, Limitations

Takeaways:
Giải quyết vấn đề suy giảm hiệu suất của VIO hiện tại bằng cách tích hợp hiệu quả các mô hình động lực học xe 6-DoF.
ƯớC tính các hiệu ứng khí động học phức tạp và lực bên ngoài thông qua các mô hình động lực học lai.
Hiệu suất tuyệt vời ngay cả trong môi trường gió mạnh (lên tới 25 km/h).
Có thể dự đoán chính xác động lực học của xe ngay cả khi không có thông tin chính xác về tình trạng xe.
Kiểm chứng hiệu suất thông qua các thử nghiệm bay thực tế của máy bay không người lái.
Limitations:
Thiếu mô tả chi tiết về các thành phần dựa trên học tập của mô hình kết hợp.
Cần nghiên cứu thêm về hiệu suất tổng quát trên nhiều môi trường và mô hình máy bay không người lái khác nhau.
Thiếu phân tích định lượng về chi phí tính toán.
👍