DFIO：可微滤波框架用于惯性里程计
热点事件持续更新
DFIO：可微滤波框架用于惯性里程计
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Yaru Gu 与 Ting Zou 提出 DFIO 惯性里程计学习框架，将误差状态卡尔曼滤波的更新阶段直接嵌入计算图，在独立预训练后通过可微分测量更新，对位移与协方差输出头做联合优化。 在行人运动数据集上，DFIO 的平均绝对平移误差和 1 秒相对平移误差较 TLIO 基线分别降低 13.2% 和 39.6%，较其自身预训练版本分别降低 7.7% 和 17.4%。作者称，在未校准智能手机惯性数据上，该方法也能抑制平移漂移并保持轨迹对齐，源代码将公开。
AI 根据报道生成 · 45 分钟前更新
最新进展11月11日 13:00
DFIO：将误差状态卡尔曼滤波更新步骤嵌入计算图的可微分滤波惯性里程计框架报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.CLDFIO：将误差状态卡尔曼滤波更新步骤嵌入计算图的可微分滤波惯性里程计框架
DFIO 将误差状态卡尔曼滤波的更新阶段直接嵌入计算图，在独立预训练后通过可微分测量更新对位移与协方差输出头做联合优化。在行人运动数据集上，其平均绝对平移误差和 1 秒相对平移误差较 TLIO 基线分别降低 13.2% 和 39.6%，较自身预训练版本分别降低 7.7% 和 17.4%。在未校准智能手机惯性数据上，该方法也能有效抑制平移漂移并保持轨迹对齐，源代码将公开。
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。