arXiv论文提出NAViLoss损失函数与NAVi-DeepONet模型
热点事件持续更新
arXiv论文提出NAViLoss损失函数与NAVi-DeepONet模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究人员Arup Kumar Sahoo与Itzik Klein发表论文，提出导航感知双残差损失函数NAViLoss，将它与DeepONet架构结合形成NAVi-DeepONet模型，用于AUV的DVL速度估计。该损失函数同时惩罚导航状态域的速度估计残差与DVL测量域的波束一致性残差，并自适应调节波束几何不确定性。 论文称，在多次真实海试采集的约10,000米半合成AUV数据上，该模型的速度估计精度较传统方法及学习类基线提升44%。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
NAViLoss：面向物理一致性学习的水下导航感知双残差目标函数报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGNAViLoss：面向物理一致性学习的水下导航感知双残差目标函数
研究人员提出导航感知损失函数 NAViLoss，联合惩罚导航状态域的速度估计残差与 DVL 测量域的波束一致性残差，并自适应调节波束几何不确定性，以提升 AUV 的 DVL 速度估计鲁棒性。该损失函数与 DeepONet 架构结合形成 NAVi-DeepONet 模型，在约 10,000m 半合成 AUV 海试数据上，速度估计精度较传统及学习基线提升 44%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。