Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático

Autores
González, Rodrigo; Catania, Carlos A.; Rosenstein, Javier; Pinciroli, Fernando O.
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En los últimos años, el uso de sensores inerciales basados en tecnología MEMS (MicroElectroMechanical Systems) se ha consolidado en diferentes áreas que requieren sensores baratos, livianos y de bajo consumo de energía. Algunas de estas áreas son la robótica móvil aérea y la robótica móvil terrestre. Una desventaja que presentan este tipo de sensores es su bajo desempeño comparado con sensores fabricados con otras tecnologías. Los dos errores más gravitantes en el desempeño de un sensor inercial MEMS son el ruido blanco y el sesgo presentes en la señal de salida del sensor. En particular, el sesgo presenta una variación no lineal muy notoria respecto a la temperatura, debido a que los sensores MEMS están construidos mayoritariamente con silicio. En la literatura existente, si bien se encuentran varios trabajos que han tratado de corregir el sesgo en sensores inerciales MEMS utilizando técnicas basadas en aprendizaje automático (machine learning), debido a la naturaleza no lineal del fenómeno que se trata de predecir, todos estos trabajos han utilizado sensores MEMS cuyo costo varía entre los USD 300 y los USD 1.000. En los últimos años han surgido sensores inerciales MEMS de muy bajo costo, los cuales se encuentran en una cantidad importante de sistemas robóticos. El costo de estos sensores ronda los USD 10. En este trabajo se propone analizar y compensar las variaciones del sesgo por temperatura en sensores inerciales MEMS de muy bajo costo, usando diferentes técnicas de aprendizaje automático. La hipótesis central de este proyecto se basa en mejorar el rendimiento de sensores inerciales de muy bajo costos aplicando técnicas de aprendizaje automático del estado del arte, las cuales permitirán identificar la relación no lineal que existe entre el sesgo y la temperatura.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Sensores inerciales
MEMS
Sesgo
Aprendizaje Automático
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/105310
Acceder
id SEDICI_242f48b9718eda6de5fee89f810577cf
oai_identifier_str oai:sedici.unlp.edu.ar:10915/105310
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automáticoGonzález, RodrigoCatania, Carlos A.Rosenstein, JavierPinciroli, Fernando O.Ciencias InformáticasSensores inercialesMEMSSesgoAprendizaje AutomáticoEn los últimos años, el uso de sensores inerciales basados en tecnología MEMS (MicroElectroMechanical Systems) se ha consolidado en diferentes áreas que requieren sensores baratos, livianos y de bajo consumo de energía. Algunas de estas áreas son la robótica móvil aérea y la robótica móvil terrestre. Una desventaja que presentan este tipo de sensores es su bajo desempeño comparado con sensores fabricados con otras tecnologías. Los dos errores más gravitantes en el desempeño de un sensor inercial MEMS son el ruido blanco y el sesgo presentes en la señal de salida del sensor. En particular, el sesgo presenta una variación no lineal muy notoria respecto a la temperatura, debido a que los sensores MEMS están construidos mayoritariamente con silicio. En la literatura existente, si bien se encuentran varios trabajos que han tratado de corregir el sesgo en sensores inerciales MEMS utilizando técnicas basadas en aprendizaje automático (machine learning), debido a la naturaleza no lineal del fenómeno que se trata de predecir, todos estos trabajos han utilizado sensores MEMS cuyo costo varía entre los USD 300 y los USD 1.000. En los últimos años han surgido sensores inerciales MEMS de muy bajo costo, los cuales se encuentran en una cantidad importante de sistemas robóticos. El costo de estos sensores ronda los USD 10. En este trabajo se propone analizar y compensar las variaciones del sesgo por temperatura en sensores inerciales MEMS de muy bajo costo, usando diferentes técnicas de aprendizaje automático. La hipótesis central de este proyecto se basa en mejorar el rendimiento de sensores inerciales de muy bajo costos aplicando técnicas de aprendizaje automático del estado del arte, las cuales permitirán identificar la relación no lineal que existe entre el sesgo y la temperatura.Red de Universidades con Carreras en Informática2020-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf718-723http://sedici.unlp.edu.ar/handle/10915/105310spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5info:eu-repo/semantics/reference/hdl/10915/103151info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:23:23Zoai:sedici.unlp.edu.ar:10915/105310Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:23:23.531SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
title Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
spellingShingle Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
González, Rodrigo
Ciencias Informáticas
Sensores inerciales
MEMS
Sesgo
Aprendizaje Automático
title_short Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
title_full Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
title_fullStr Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
title_full_unstemmed Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
title_sort Identificación y compensación del sesgo en sensores inerciales MEMS de muy bajo costo mediante el uso de algoritmos de aprendizaje automático
dc.creator.none.fl_str_mv González, Rodrigo
Catania, Carlos A.
Rosenstein, Javier
Pinciroli, Fernando O.
author González, Rodrigo
author_facet González, Rodrigo
Catania, Carlos A.
Rosenstein, Javier
Pinciroli, Fernando O.
author_role author
author2 Catania, Carlos A.
Rosenstein, Javier
Pinciroli, Fernando O.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Sensores inerciales
MEMS
Sesgo
Aprendizaje Automático
topic Ciencias Informáticas
Sensores inerciales
MEMS
Sesgo
Aprendizaje Automático
dc.description.none.fl_txt_mv En los últimos años, el uso de sensores inerciales basados en tecnología MEMS (MicroElectroMechanical Systems) se ha consolidado en diferentes áreas que requieren sensores baratos, livianos y de bajo consumo de energía. Algunas de estas áreas son la robótica móvil aérea y la robótica móvil terrestre. Una desventaja que presentan este tipo de sensores es su bajo desempeño comparado con sensores fabricados con otras tecnologías. Los dos errores más gravitantes en el desempeño de un sensor inercial MEMS son el ruido blanco y el sesgo presentes en la señal de salida del sensor. En particular, el sesgo presenta una variación no lineal muy notoria respecto a la temperatura, debido a que los sensores MEMS están construidos mayoritariamente con silicio. En la literatura existente, si bien se encuentran varios trabajos que han tratado de corregir el sesgo en sensores inerciales MEMS utilizando técnicas basadas en aprendizaje automático (machine learning), debido a la naturaleza no lineal del fenómeno que se trata de predecir, todos estos trabajos han utilizado sensores MEMS cuyo costo varía entre los USD 300 y los USD 1.000. En los últimos años han surgido sensores inerciales MEMS de muy bajo costo, los cuales se encuentran en una cantidad importante de sistemas robóticos. El costo de estos sensores ronda los USD 10. En este trabajo se propone analizar y compensar las variaciones del sesgo por temperatura en sensores inerciales MEMS de muy bajo costo, usando diferentes técnicas de aprendizaje automático. La hipótesis central de este proyecto se basa en mejorar el rendimiento de sensores inerciales de muy bajo costos aplicando técnicas de aprendizaje automático del estado del arte, las cuales permitirán identificar la relación no lineal que existe entre el sesgo y la temperatura.
Red de Universidades con Carreras en Informática
description En los últimos años, el uso de sensores inerciales basados en tecnología MEMS (MicroElectroMechanical Systems) se ha consolidado en diferentes áreas que requieren sensores baratos, livianos y de bajo consumo de energía. Algunas de estas áreas son la robótica móvil aérea y la robótica móvil terrestre. Una desventaja que presentan este tipo de sensores es su bajo desempeño comparado con sensores fabricados con otras tecnologías. Los dos errores más gravitantes en el desempeño de un sensor inercial MEMS son el ruido blanco y el sesgo presentes en la señal de salida del sensor. En particular, el sesgo presenta una variación no lineal muy notoria respecto a la temperatura, debido a que los sensores MEMS están construidos mayoritariamente con silicio. En la literatura existente, si bien se encuentran varios trabajos que han tratado de corregir el sesgo en sensores inerciales MEMS utilizando técnicas basadas en aprendizaje automático (machine learning), debido a la naturaleza no lineal del fenómeno que se trata de predecir, todos estos trabajos han utilizado sensores MEMS cuyo costo varía entre los USD 300 y los USD 1.000. En los últimos años han surgido sensores inerciales MEMS de muy bajo costo, los cuales se encuentran en una cantidad importante de sistemas robóticos. El costo de estos sensores ronda los USD 10. En este trabajo se propone analizar y compensar las variaciones del sesgo por temperatura en sensores inerciales MEMS de muy bajo costo, usando diferentes técnicas de aprendizaje automático. La hipótesis central de este proyecto se basa en mejorar el rendimiento de sensores inerciales de muy bajo costos aplicando técnicas de aprendizaje automático del estado del arte, las cuales permitirán identificar la relación no lineal que existe entre el sesgo y la temperatura.
publishDate 2020
dc.date.none.fl_str_mv 2020-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/105310
url http://sedici.unlp.edu.ar/handle/10915/105310
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5
info:eu-repo/semantics/reference/hdl/10915/103151
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
718-723
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616110325891072
score 13.070432

Publicaciones similares