Tek Kamerada Kalman Filtresini Yendik, Ama Önce Üç Hafta Boyunca Bir Ceset Ölçtük
MoranaLabs mühendisleri, monoküler kamerada klasik Kalman filtresinden daha iyi performans gösteren bir sinirsel izleyici geliştirdi; bölümlerin %50'sinde hedefi gizli tutarken Kalman'da bu oran -%3. KalmanNet ve sinir ağının hibriti, %80'lik bir kareye dönüş oranı elde ediyor. Ancak proje, haftalarca sıfır okuyan bozuk bir prob dahil olmak üzere ölçüm hatalarıyla boğuştu.
MoranaLabs'taki proje, yalnızca tek kameralı bir kamera ve telemetre olmadan, hedefin kamera çerçevesinden 0,75 saniye kaybolması durumunda görsel takibi sürdürmeyi amaçlıyordu. Klasik Kalman filtresi hedefi bölümlerin %84'ünde kaybederken, hibrit KalmanNet-sinir ağı izleyicisi %18'inde kaybediyor ve %80'inde merkeze geri döndürüyor. Ekip başlangıçta işaret hatası içeren bir öğretmen politikası yazdı ve bu politika 60 denemenin tamamında başarısız oldu. Ölçüm metriklerinde hata ayıklamak için üç hafta harcadılar ve ortamın bazı metrikleri iç içe geçmiş bir sözlüğe yazdığını keşfettiler; bu da algılayıcı ve müfredat geri çağrımının sıfır okumasına neden oldu. Hataları düzelttikten sonra, simülatörden ayrıcalıklı bir vektör kullanan asimetrik bir eleştirmen uyguladılar ve bu vektörü tahmin etmek için dünya modeli yardımcı görevini eğittiler; bu, LSTM'yi dinamikleri entegre etmeye zorladı. Nihai model, kör dönem boyunca burun ile gerçek hedef yönü arasında %50 kosinüs benzerliği elde etti; Kalman için -%3 ve saf sinir pilotu için %41 ile karşılaştırıldığında.
Kaynak: Habr — хаб ИИ —
orijinal