研究人员开发了DVL-DeepONet，一个新颖的物理引导深度神经网络算子框架，旨在提高水下导航系统的弹性。该框架解决了自主水下航行器（AUV）在DVL传感器提供嘈杂或不完整数据，或惯性传感器缺失时面临的挑战。DVL-DeepONet学习将时间传感器观测直接映射到航行器速度，强制执行物理约束，以确保在传感条件下降的情况下也能进行鲁棒估计。来自覆盖约10,000米的真实世界AUV任务的实验结果表明，DVL-DeepONet在性能上比现有的基于模型和基于学习的方法高出40%。 AI
影响 增强了自主水下导航系统的可靠性，可能为更鲁棒和更具成本效益的水下探索和作业提供支持。
排序理由 该集群包含一篇详细介绍新AI模型及其实验验证的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
