Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

Learning to combine multi-sensor information for context dependent state estimation

Abstract : The fusion of multi-sensor information for state estimation is a well studied problem in robotics. However, the classical methods may fail to take into account the measurements validity, therefore ruining the benefits of sensor redundancy. This work addresses this problem by learning context-dependent knowledge about sensor reliability. This knowledge is later used as a decision rule in the fusion task in order to dynamically select the most appropriate subset of sensors. For this purpose we use the Mixture of Experts framework. In our application, each expert is a Kalman filter fed by a subset of sensors, and a gating network serves as a mediator between individual filters, basing its decision on sensor inputs and contextual information to reason about the operation context. The performance of this model is evaluated for altitude estimation of a UAV.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

Littérature citée [16 références]  Voir  Masquer  Télécharger

https://hal-enac.archives-ouvertes.fr/hal-00936112
Contributeur : Céline Smith Connectez-vous pour contacter le contributeur
Soumis le : lundi 3 février 2014 - 14:25:20
Dernière modification le : lundi 4 juillet 2022 - 09:24:53
Archivage à long terme le : : samedi 3 mai 2014 - 23:05:11

Fichier

Ravet_CAP2013.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00936112, version 1

Citation

Alexandre Ravet, Simon Lacroix, Gautier Hattenberger. Learning to combine multi-sensor information for context dependent state estimation. CAP 2013, Conférence Francophone sur l'Apprentissage Automatique, Jul 2013, Lille, France. ⟨hal-00936112⟩

Partager

Métriques

Consultations de la notice

195

Téléchargements de fichiers

295