Визуально-инерциальная навигация БПЛА с адаптивной оценкой неопределённости нейросетевой локализации на основе эвиденциального обучения
Новости
Визуально-инерциальная навигация БПЛА с адаптивной оценкой неопределённости нейросетевой локализации на основе эвиденциального обучения
Аннотация
Рассматривается задача визуально-инерциальной навигации беспилотных летательных аппаратов в условиях недоступности сигналов глобальных навигационных спутниковых систем. Предложен подход к адаптивному формированию ковариации измерений нейросетевого модуля абсолютной визуальной локализации на основе эвиденциального глубокого обучения (Evidential Deep Learning, EDL) с параметризацией нормально-обратным гамма-распределением. Введено понятие степени объяснимой наблюдаемости как контекстно-зависимой количественной характеристики информативности абсолютных измерений. Доказана теорема о вырождении наблюдаемости при стандартной ковариации процесса и предложена её модификация, обеспечивающая ненулевой коэффициент усиления Калмана между обновлениями. Проведено систематическое экспериментальное исследование, включающее четыре формулировки адаптивной ковариации измерений, два режима ковариации процесса и алгоритм автоматического переключения стратегий на двух синтетических и одном полётном наборе данных. Эвиденциальная ковариация превосходит эвристику на всех трёх наборах; величина выигрыша монотонно возрастает с информативностью сцены: снижение средней траекторной ошибки на 7-46% относительно эвристики. На наиболее информативном наборе достигается снижение на 46% и увеличение доли точных кадров с 27% до 66%. Модифицированная ковариация процесса повышает коэффициент усиления Калмана в конфигурациях, где между абсолютными обновлениями накапливается дрейф. Анализ границ применимости показывает, что величина выигрыша определяется корреляцией предсказанной EDL ошибки с фактической (от 0,16 до 0,96 на разных наборах), что задаёт количественный критерий применимости метода.
Ключевые слова
Издание
Труды Института системного программирования РАН, том 38, вып. 6, часть 1, 2026, стр. 259-278.
ISSN 2220-6426 (Online), ISSN 2079-8156 (Print).
DOI: 10.15514/ISPRAS-2026-38(6)-17
Для цитирования
Полный текст статьи в формате pdf
Вернуться к содержанию тома