[논문 리뷰] DANAE: a denoising autoencoder for underwater attitude estimation

Paolo Russo, Fabiana Di Ciaccio외 1명|arXiv (Cornell University)|2020. 11. 13.

Underwater Vehicles and Communication Systems참고 문헌 29인용 수 4

한 줄 요약

이 논문은 깊이 있는 노이즈 제거 오토인코더인 DANAE를 제안하며, IMU/AHRS 데이터에서 유도된 칼만 필터 출력의 노이즈를 줄여 수중 자세 추정 성능을 향상시킨다. 노이즈가 있는 입력에서 깔끔한 올레르 각도를 재구성하도록 학습함으로써 DANAE는 OxIOD에서 RMSE를 63%, UCS에서 55% 감소시켰으며, 노이즈 특성에 대한 사전 지식 없이도 하이퍼파rameter 조정 없이도 강건한, 필터에 종속되지 않는 노이즈 보정 성능을 입증한다.

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.

연구 동기 및 목표

• GPS가 이용 불가능한 수중 로봇에서 센서 노이즈로 인한 자세 추정 정확도 저하 문제를 해결하기 위해.
• 노이즈 특성에 대한 사전 지식이 필요 없이 임의의 노이즈와 편향 오차를 모두 보완할 수 있는, 노이즈에 강건하고 필터에 종속되지 않는 딥러닝 모델을 개발하기 위해.
• 노이즈 제거 오토인코더를 활용해 더 깔끔한 올레르 각도 신호를 재구성함으로써 칼만 필터 기반 자세 추정 성능을 향상시키기 위해.
• 실제 수중 데이터셋을 기반으로 방법을 평가하고, 자율 수중 내비게이션에서 실시간 구현 가능성을 입증하기 위해.

제안 방법

• DANAE는 깊이 있는 1차원 합성곱 인코더-디코더 아키텍처를 사용하며, 확장된 합성곱을 통해 노이즈가 있는 IMU/AHRS 입력 시퀀스의 압축된 잠재 표현을 학습한다.
• 모델은 노이즈 제거 오토인코더 목적을 활용하며, 오염된 입력 시퀀스에서 원래 신호로부터 깨끗한 올레르 각도(롤, 피치, 요)를 재구성하도록 훈련한다.
• 디코더는 잠재 표현을 원래 시퀀스 길이로 복원하기 위해 역확장 합성곱을 사용하며, 해당 레이어의 출력을 인코더와 디코더의 대응 레이어 출력과 결합하는 스킵 연결을 적용한다.
• 모델은 Adam 옵tim자와 고정된 학습률 0.002, 배치 크기 16를 사용하여 100 에포크 동안 UCS에서, OxIOD의 각 서브셋에 대해 1 에포크씩 엔드 투 엔드로 훈련된다.
• 이 방법은 필터에 종속되지 않으며, 예를 들어 EKF, UKF와 같은 어떤 칼만 필터 버전의 출력에도 수정 없이 적용 가능하다.
• 표준 평가 지표인 평균 편차, 최대 편차, RMSE를 사용하여 참값과 비교해 모델을 평가한다.

실험 결과

연구 질문

• RQ1 노이즈 원인에 대한 사전 지식 없이도 깊이 있는 노이즈 제거 오토인코더가 칼만 필터 출력의 노이즈를 효과적으로 줄일 수 있는가?
• RQ2 다양한 수중 데이터셋에서 DANAE의 성능은 RMSE, 평균 편차, 최대 편차 측면에서 칼만 필터 기준선과 비교해 어떻게 나타나는가?
• RQ3 하이퍼파rameter 조정 없이도 DANAE는 다양한 노이즈 특성, 특히 센서 편향과 환경 간섭에 얼마나 강건한가?
• RQ4 DANAE는 비선형 칼만 필터(EKF, UKF 등)에 효과적으로 적용될 수 있으며, 실시간 수중 내비게이션에 확장 가능한가?

주요 결과

• OxIO 데이터셋에서 DANAE는 칼만 필터 기준선 대비 롤, 피치, 요 각도의 RMSE를 각각 63%, 68%, 45% 감소시켰다.
• UCS 데이터셋에서 DANAE는 롤과 피치의 RMSE를 각각 55%와 54% 감소시켰으며, 평균 편차는 각각 57%와 55% 감소시켰다.
• OxIO 데이터셋에서 최대 편차는 롤에 대해 53%, 피치에 대해 49% 감소하여 이상치에 대한 강건성이 향상됨을 나타냈다.
• 다양한 노이즈 프로파일에서 일관된 성능을 보였으며, 다양한 데이터셋에 대해 재조정 없이도 강력한 일반화 능력과 강건성을 입증했다.
• 그림 1과 그림 2의 시각적 비교 결과, DANAE의 출력은 참값을 거의 정확히 따라가며, 칼만 필터 대비 신호의 지연 및 진동을 크게 감소시켰다.
• 자기계 감도 비선형성과 환경 간섭으로 인해 요 각도는 KF와 DANAE 모두에서 불안정했지만, DANAE는 OxIO에서 RMSE를 45%, UCS에서 54% 감소시켰다.