تفوقنا على مرشح كالمان بكاميرا واحدة، لكننا قضينا ثلاثة أسابيع أولاً في قياس جثة
طوّر مهندسو MoranaLabs متتبعًا عصبيًا يتفوق على مرشح كالمان الكلاسيكي بكاميرا أحادية، مما يبقي الهدف غير مرئي في 50% من الحلقات مقابل -3% لمرشح كالمان. يحقق النموذج الهجين من KalmanNet والشبكة العصبية معدل عودة إلى الإطار بنسبة 80%. ومع ذلك، عانى المشروع من أخطاء القياس، بما في ذلك مسبار معطل قرأ أصفارًا لأسابيع.
هدف مشروع مورانالابس إلى الحفاظ على تتبع بصري لهدف يختفي من إطار الكاميرا لمدة 0.75 ثانية، باستخدام كاميرا أحادية فقط بدون جهاز قياس المدى. يفقد مرشح كالمان الكلاسيكي الهدف في 84% من الحلقات، بينما يفقد المتتبع الهجين كالمان نت–العصبي الهدف في 18% ويعيده إلى المركز في 80% من الحالات. في البداية، كتب الفريق سياسة معلم بها خطأ في الإشارة، مما أدى إلى فشلها في جميع المحاولات الستين. أمضوا ثلاثة أسابيع في تصحيح أخطاء مقاييس القياس، واكتشفوا أن البيئة كانت تكتب بعض المقاييس في قاموس متداخل، مما تسبب في قراءة ردود الفعل الاستباقية ومنحنى المنهج لقيم صفرية. بعد إصلاح الأخطاء، نفذوا ناقدًا غير متماثل مع متجه امتيازي من المحاكي، ودرّبوا مهمة مساعدة لنموذج العالم للتنبؤ بذلك المتجه، مما أجبر شبكة LSTM على دمج الديناميكيات. حقق النموذج النهائي تشابهًا جيبيًا بنسبة 50% بين اتجاه الأنف والاتجاه الحقيقي للهدف خلال فترة العمى، مقارنة بـ -3% لمرشح كالمان و41% للملاح العصبي الخالص.
المصدر: Habr — хаб ИИ —
الأصلي