[論文レビュー] DANAE: a denoising autoencoder for underwater attitude estimation

Paolo Russo, Fabiana Di Ciaccio+1 more|arXiv (Cornell University)|Nov 13, 2020

Underwater Vehicles and Communication Systems参考文献 29被引用数 4

ひとこと要約

本稿では、IMU/AHRSデータからのカルマンフィルタ出力のノイズを低減することで水中での姿勢推定を向上させる、深層畳み込み自己符号化器DANAEを提案する。ノイズの多い入力からクリアなオイラー角を再構築する学習により、DANAEはOxIODでRMSEを63%、UCSで55%低減し、ハイパーパrameterチューニングを必要とせず、フィルタに依存しないノイズ補償を実現した。

ABSTRACT

One of the main issues for underwater robots navigation is their accurate positioning, which heavily depends on the orientation estimation phase. The systems employed to this scope are affected by different noise typologies, mainly related to the sensors and to the irregular noise of the underwater environment. Filtering algorithms can reduce their effect if opportunely configured, but this process usually requires fine techniques and time. In this paper we propose DANAE, a deep Denoising AutoeNcoder for Attitude Estimation which works on Kalman filter IMU/AHRS data integration with the aim of reducing any kind of noise, independently of its nature. This deep learning-based architecture showed to be robust and reliable, significantly improving the Kalman filter results. Further tests could make this method suitable for real-time applications on navigation tasks.

研究の動機と目的

• GPSが利用できない水中ロボティクスにおけるノイズの多い姿勢推定の課題に対処すること。
• ノイズの特性に関する事前知識が不要な、ランダム誤差およびバイアス誤差の両方を補償できる、フィルタに依存しないロバストな深層学習モデルの開発。
• ノイズ低減自己符号化器を活用して、よりクリアなオイラー角信号を再構築することで、カルマンフィルタベースの姿勢推定性能の向上。
• 実世界の水中データセット上で評価を行い、自律水中ナビゲーションにおけるリアルタイム展開の可能性を示すこと。

提案手法

• DANAEは、拡張畳み込みを用いた深層1次元畳み込みエンコーダ・デコーダアーキテクチャを採用し、ノイズの多いIMU/AHRS入力シーケンスの圧縮された潜在表現を学習する。
• モデルはノイズ低減自己符号化器の目的関数を採用し、汚染された入力シーケンスを元の信号からのクリアなオイラー角（ロール、ピッチ、ヨー）に再構築するように学習する。
• デコーダは逆畳み込みと拡張畳み込みを用いて潜在表現を元のシーケンス長にアップサンプリングし、エンコーダとデコーダの対応する層出力を結合するスキップ接続を採用する。
• アーキテクチャは、固定学習率0.002、バッチサイズ16で100エポック（UCS）および1エポック（OxIODサブセット）にわたり、Adam最適化アルゴリズムを用いてエンドツーエンドで学習される。
• 本手法はフィルタに依存しない（filter-agnostic）ため、EKFやUKFなどのカルマンフィルタのいかなる変種の出力に対しても、変更なしに適用可能である。
• 標準指標（平均偏差、最大偏差、RMSE）を用いて、正解値と比較して評価される。

実験結果

リサーチクエスチョン

• RQ1 ノイズ源の特性を事前に知らない状態で、深層ノイズ低減自己符号化器がカルマンフィルタ出力のノイズ低減に有効に機能するか。
• RQ2 DANAEの性能は、多様な水中データセット上で、RMSE、平均偏差、最大偏差の観点からカルマンフィルタベースラインと比較してどの程度優れているか。
• RQ3 ハイパーパrameterチューニングなしで、センサーバイアスや環境干渉を含むさまざまなノイズ特性に対して、DANAEはどの程度ロバストか。
• RQ4 DANAEは非線形カルマンフィルタ（例：EKF、UKF）に対しても効果的に適用可能か。また、リアルタイム水中ナビゲーションにスケーラブルか。

主な発見

• OxIOデータセットでは、DANAEがロール、ピッチ、ヨーそれぞれについてカルマンフィルタベースライン比でRMSEを63%、68%、45%低減した。
• UCSデータセットでは、ロールとピッチのRMSEがそれぞれ55%、54%低減され、平均偏差は57%、55%低減された。
• OxIOデータセットではロールの最大偏差が53%、ピッチが49%低減され、外れ値に対するロバスト性の向上が示された。
• 異なるノイズプロファイルにおいて一貫した性能を示し、異なるデータセットに対して再チューニングを必要としなかったため、優れた一般化性能とロバスト性を示した。
• 図1および図2の可視化比較では、DANAEの出力が正解に非常に近づいており、カルマンフィルタに比べて信号の伸長やジターリングが顕著に低減されている。
• ヨー角は磁気センサの非線形性と環境干渉のため、KFおよびDANAEの両方で不安定であったが、OxIOではRMSEが45%、UCSでは54%低減された。