Estimación de orientación de un vehículo aéreo no modelado usando fusión de sensores inerciales y aprendizaje de máquina

Abstract

<p>Los vehículos aéreos no tripulados (UAV) ofrecen alternativas para diversas aplicaciones en las que se compromete la integridad humana. En este sentido, la necesidad de incrementar la autonomía de estos vehículos presenta una alternativa al área de inteligencia artificial para aumentar las capacidades de navegación en diversos entornos. Este artículo presenta una evaluación para estimación de inclinación y orientación, utilizando algoritmos de aprendizaje automático para una planta dinámica con múltiples rotores. Para esto se propone un experimento para recopilar datos de unidades de medición inercial (IMU) sobre la placa de un UAV, y sometidos a diferentes inclinaciones antes de lograr la tarea de clasificación. Los resultados reportados usando los algoritmos de k vecinos más cercanos (k-NN), máquinas de soporte vectorial (SVM) y de Bayes muestran eficiencia en el reconocimiento, obteniendo una precisión hasta del 99 %. Además, estos algoritmos podrían combinarse con técnicas de control robustas, ideal para la implementación en sistemas con capacidades de procesamiento limitadas.</p>

Advancements in Buoy Wave Data Processing through the Application of the Sage–Husa Adaptive Kalman Filtering Algorithm

“…In order to successfully apply the classic Kalman filter, the following conditions must be met [ 14 ]:…”

Control robusto H-infinito para la velocidad de desplazamiento de un UAV en base a estimación de flujo óptico

“…Técnicas basadas en aprendizaje de máquina (ver Bithas et al (2019), Choi y Cha (2019), Fonnegra et al (2019)) han demostrado ser de utilidad para lidiar con este tipo de problemas, no obstante lo cual son estrategias computacionalmente más costosas por lo que resulta más conveniente implementar la estrategia aquí propuesta teniendo en cuenta el hardware disponible en este diseño.…”