学习惯性里程计引入机体扭矩提升泛化
热点事件持续更新
学习惯性里程计引入机体扭矩提升泛化
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Sasanka Kuruppu Arachchige 与 Joni-Kristian Kämäräinen 发表扩展的基于模型学习惯性里程计方法：采用机体坐标系表示，并把机体坐标系扭矩动力学纳入学习流程，以提升四旋翼位姿估计在未见轨迹上的泛化能力。学习模型预测短时域相对位移，再与 IMU 测量在扩展卡尔曼滤波中融合。 在四个公开四旋翼数据集上，研究者将整条轨迹形状留出训练集做额外评估，称每个留出集的速度误差都更低，且扭矩输入在由旋翼信号推导时信息量最大。代码、数据流程和训练模型已公开。
AI 根据报道生成 · 15 小时前更新
最新进展11月9日 13:00
扩展的基于模型学习惯性里程计提升四旋翼位姿估计泛化性报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv cs.RO扩展的基于模型学习惯性里程计提升四旋翼位姿估计泛化性
该研究提出扩展的基于模型学习惯性里程计方法，通过采用机体坐标系表示并将机体坐标系扭矩动力学纳入学习流程，提升四旋翼位姿估计在未见轨迹上的泛化能力。学习模型预测短时域相对位移，并与IMU测量在扩展卡尔曼滤波中融合。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月10日03:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。