Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Calibrage rapide du gyroscope : une approche d'apprentissage profond

Created by
  • Haebom

Auteur

Yair Stolero, Itzik Klein

Contour

Cet article propose un réseau neuronal convolutif de bout en bout basé sur l'apprentissage profond pour réduire le temps d'étalonnage des gyroscopes bon marché. Nous avons étudié comment améliorer les performances d'étalonnage d'un seul gyroscope en utilisant des données réelles et virtuelles, et avons entraîné et vérifié le modèle en collectant 186,6 heures de données provenant de 36 gyroscopes de 4 marques. Le principal résultat de cette étude est que le temps d'étalonnage des gyroscopes est réduit jusqu'à 89 % grâce à trois gyroscopes bon marché. L'ensemble de données est accessible au public afin d'accroître la reproductibilité de l'étude et de stimuler la recherche.

Takeaways, Limitations_

Takeaways:
Nous présentons une méthode permettant de réduire considérablement le temps d’étalonnage des gyroscopes bon marché.
Surmonter les limites des méthodes de correction basées sur la moyenne existantes en utilisant des techniques d’apprentissage en profondeur.
Contribuer à activer la recherche de suivi en publiant un ensemble de données à grande échelle contenant des gyroscopes de différentes marques.
Suggérer des améliorations potentielles des performances en combinant des données de gyroscope réelles et virtuelles.
Limitations:
Une vérification supplémentaire des performances de généralisation de la méthode proposée est nécessaire (des tests sur divers environnements et modèles de gyroscopes sont nécessaires).
Dégradation potentielle des performances en raison des différences entre les données virtuelles et la réalité.
Le type de gyroscope utilisé peut être limité (des tests supplémentaires sur différents types de gyroscopes peuvent être nécessaires).
👍