강건한 UAV 상태 추정을 위한 Sage-Husa 칼만 필터의 학습된 메모리 감쇠 기법

요약

본 논문은 UAV의 동적 환경에서 발생하는 노이즈 문제를 해결하기 위해 Sage-Husa 칼만 필터(SHKF)에 계층적 순환 네트워크를 결합한 NDR-SHKF를 제안합니다. 기존의 정적 망각 계수 대신 학습된 벡터 기반 메모리 감쇠 정책을 사용하여 센서 이상과 지속적인 동적 추세를 동시에 효과적으로 포착합니다. 실험 결과, NDR-SHKF는 데이터 기반 베이스라인보다 뛰어난 일반화 성능을 보였으며 실제 UAV 비행 데이터에서도 높은 안정성을 입증했습니다.

핵심 포인트

• 정적 스칼라 망각 계수를 계층적 순환 네트워크 기반의 벡터 메모리 감쇠 정책으로 대체
• 얕은 순환 상태(센서 이상 포착)와 깊은 상태(동적 추세 인코딩)를 활용한 분기 구조 설계
• 상태 추정 오차 최소화를 위한 시간 기반 역전파(BPTT)를 통한 엔드투엔드 학습
• 분포 외(OOD) 동역학 및 실제 UAV 비행 데이터셋에서 기존 적응형 추정기 대비 우수한 성능 확인