PulseAugur
中
实时 08:08:40
English(EN) Neural Aided Kalman Filtering for UAV State Estimation in Degraded Sensing Environments

贝叶斯神经卡尔曼滤波器增强了无人机在嘈杂环境下的状态估计

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的贝叶斯神经卡尔曼滤波器（BNKF），以改善无人机（UAV）在挑战性环境下的状态估计。该混合框架结合了贝叶斯神经网络（BNNs）的که不确定性量化能力和一个卡尔曼校正步骤。BNKF旨在比传统的卡尔曼滤波器更有效地处理非线性运动和嘈杂的传感器数据，在退化的传感条件下提供更高的准确性和精度。 AI

影响 引入了一种新颖的混合方法，用于鲁棒的无人机状态估计，有可能在复杂的航空航天应用中提高性能。

排序理由 这是一篇详细介绍状态估计新算法方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

贝叶斯神经卡尔曼滤波器增强了无人机在嘈杂环境下的状态估计

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Akhil Gupta, Erhan Guven ·

    退化传感环境下的无人机状态估计的神经辅助卡尔曼滤波

    arXiv:2604.28107v1 Announce Type: new Abstract: Accurate state estimation of nonlinear dynamical systems is fundamental to modern aerospace operations across air, sea, and space domains. Online tracking of adversarial unmanned aerial vehicles (UAVs) is especially challenging due …

  2. arXiv cs.LG TIER_1 English(EN) · Erhan Guven ·

    退化传感环境下的无人机状态估计的神经辅助卡尔曼滤波

    Accurate state estimation of nonlinear dynamical systems is fundamental to modern aerospace operations across air, sea, and space domains. Online tracking of adversarial unmanned aerial vehicles (UAVs) is especially challenging due to agile nonlinear motion, noisy and sparse sens…

相关实体

相关话题