본 논문은 자율 수중 차량(AUV)의 정확하고 견고한 항해를 위해 도플러 속도 로그(DVL)와 관성 센서의 융합을 기반으로, 과거 DVL 속도 측정값을 이용하여 AUV 가속도 벡터를 추정하는 엔드-투-엔드 심층 학습 방법을 제시한다. 해상 실험 데이터를 바탕으로 제안된 방법이 기존 모델 기반 방법보다 가속도 벡터 추정 정확도를 65% 이상 향상시킨다는 것을 보여준다. 데이터 기반 접근 방식을 통해 AUV 항해의 정확성과 신뢰성을 높여, 보다 효율적이고 효과적인 수중 임무 수행에 기여할 수 있다.
