CredibleDFGO: Grafo Fattoriale GNSS Differenziabile con Supervisione della Credibilità
Un nuovo framework di ottimizzazione del grafo fattoriale differenziabile, CredibleDFGO (CDFGO), affronta le stime di covarianza inaffidabili nel posizionamento GNSS per la navigazione urbana. I metodi DFGO esistenti apprendono la ponderazione delle misurazioni ma utilizzano obiettivi solo di posizione, portando a una covarianza riportata inaccurata. CDFGO rende la credibilità della covarianza un obiettivo esplicito di addestramento. La sua Weighting Generation Network (WGN) prevede pesi di affidabilità per satellite, che vengono mappati da un risolutore di Gauss-Newton differenziabile a una stima di posizione e una covarianza a posteriori. Regole di scoring appropriate supervisionano la distribuzione predittiva Est-Nord end-to-end, studiando la log-verosimiglianza negativa (NLL) e l'Energy Score.
Fatti principali
- CredibleDFGO (CDFGO) è un framework di grafo fattoriale GNSS differenziabile.
- Mira esplicitamente alla credibilità della covarianza nell'addestramento.
- La Weighting Generation Network (WGN) prevede pesi di affidabilità per satellite.
- Un risolutore di Gauss-Newton differenziabile mappa i pesi in una stima di posizione e una covarianza a posteriori.
- Regole di scoring appropriate supervisionano la distribuzione predittiva Est-Nord end-to-end.
- Studia la log-verosimiglianza negativa (NLL) e l'Energy Score.
- Affronta la covarianza inaffidabile dei risolutori GNSS nei canyon urbani.
- I metodi DFGO esistenti utilizzano obiettivi solo di posizione, portando a una covarianza inaccurata.
Entità
—