본 논문은 전역 항법 위성 시스템(GNSS)의 측정 불확실성을 정량화하기 위한 두 가지 학습 기반 방법에 대한 연구 결과를 제시합니다. 오프라인 학습을 통한 이상치 예측과 온라인 학습을 통한 잡음 분포 근사라는 두 가지 학습 전략을 GNSS 의사거리 관측에 적용합니다. 이러한 학습 방법을 개발하고 평가하기 위해, 다양한 센서 입력으로부터 궤적을 정확하고 강인하게 추정하는 새로운 다중 센서 상태 추정기를 제시하며, 이는 불확실성 모델을 훈련하는 데 사용되는 GNSS 측정 잔차를 도출하는 데 중요합니다. 제안된 학습 기반 모델은 다양한 도시 환경에서 수집된 실제 센서 데이터를 사용하여 검증합니다. 실험 결과는 두 모델 모두 GNSS 이상치를 효과적으로 처리하고 상태 추정 성능을 향상시킨다는 것을 보여줍니다. 또한, 도전적인 환경에서 강인한 차량 위치 추정을 위한 연합 프레임워크 개발을 위한 미래 연구를 촉구하는 통찰력 있는 논의를 제공합니다.
