신경망 보조 칼만 필터: 열화된 감지 환경에서의 UAV 상태 추정

요약

본 논문은 비선형적이고 노이즈가 심하며 센서 측정값이 희소한 열악한 환경에서 무인항공기(UAV)의 상태를 정확하게 추정하기 위한 하이브리드 프레임워크, 베이지안 신경 칼만 필터(BNKF)를 제안합니다. BNKF는 베이지안 신경망(BNNs)을 사용하여 불확실성을 정량화하고 이를 칼만 필터 단계에 통합하여, 기존의 확장/무향 칼만 필터보다 높은 정확도와 강건성을 보여줍니다. 실험 결과, BNKF는 다양한 노이즈 조건에서 우수한 성능을 입증했으며, 실시간 배포가 가능함을 확인했습니다.

핵심 포인트

• UAV 상태 추정은 비선형성, 노이즈, 희소 측정값 등 어려운 환경적 제약에 직면한다.
• 기존의 칼만 필터 변종들은 이러한 복잡한 조건에서 성능 저하를 겪는다.
• 제안된 BNKF는 BNN을 통해 불확실성을 모델링하고 이를 공분산 전파에 통합하여 강건성을 높인다.
• BNKF는 EKF 및 UKF 대비 열화된 감지 환경에서 정확도, 정밀도, 진실 포함률 측면에서 우수한 성능을 보인다.
• 앙상블 변형인 BNKFe는 고노이즈 엣지 케이스의 정밀도를 더욱 향상시킬 수 있다.