Kami Mengalahkan Filter Kalman pada Kamera Tunggal, tetapi Pertama-tama Kami Menghabiskan Tiga Minggu Mengukur Mayat
Para insinyur MoranaLabs mengembangkan pelacak saraf yang mengungguli filter Kalman klasik pada kamera monokuler, menjaga target tetap tak terlihat dalam 50% episode dibandingkan dengan -3% untuk Kalman. Hibrida KalmanNet dan jaringan saraf mencapai tingkat kembalinya ke bingkai sebesar 80%. Namun, proyek ini diganggu oleh bug pengukuran, termasuk probe rusak yang membaca nol selama berminggu-minggu.
Proyek di MoranaLabs bertujuan untuk menjaga pelacakan visual pada target yang menghilang dari bingkai kamera selama 0,75 detik, hanya dengan menggunakan kamera monokuler tanpa pengukur jarak. Filter Kalman klasik kehilangan target dalam 84% episode, sementara pelacak hibrida KalmanNet-neural kehilangan target dalam 18% dan mengembalikannya ke pusat dalam 80%. Tim awalnya menulis kebijakan guru dengan kesalahan tanda, menyebabkan semua 60 percobaan gagal. Mereka menghabiskan tiga minggu untuk men-debug metrik pengukuran, menemukan bahwa lingkungan menulis beberapa metrik ke kamus bersarang, menyebabkan probe dan callback kurikulum membaca angka nol. Setelah memperbaiki bug, mereka mengimplementasikan kritik asimetris dengan vektor istimewa dari simulator, dan melatih tugas tambahan model dunia untuk memprediksi vektor itu, yang memaksa LSTM untuk mengintegrasikan dinamika. Model akhir mencapai kesamaan kosinus 50% antara arah hidung dan arah target sebenarnya selama periode buta, dibandingkan dengan -3% untuk Kalman dan 41% untuk pilot neural murni.
Sumber: Habr — хаб ИИ —
asli