Traducción automática, no revisada por un hablante nativo. El inglés es la referencia.

Páginas de tipos de escenarioEditar en GitHubFuente: docs/kinds/by-kind/gnss-ins.md

gnss-ins (tipo de escenario)

Tipo de escenario del motor v0.40.0, familia Sensores inerciales, de fusión y cuánticos. Consultivo: salida de análisis de una herramienta de investigación e ingeniería, no un equipo de navegación homologado ni un servicio de seguridad de la vida humana. Toda etiqueta de aquí es la del motor o la de la matriz de verificación; un tipo de escenario es MODELLED salvo que la matriz diga otra cosa (cómo se gana una etiqueta: la sección Evidence del README).

Qué hace#

EKF de estado de error GNSS/INS con acoplamiento débil y fuerte.

Una ejecución de scenarios/gnss-ins.toml se resume así: scenario c55a6246bd6f | gnss-ins | quantum outage-RMS fused 1.9m vs free 130.7m (hold 60s, avail 1,00) | classical fused 3.1m vs free 314.3m (hold 60s, avail 1,00)

Entradas#

Del esquema (kshana kinds --json):

  • Campos obligatorios: seed, threshold_m, time, gnss, imu_quantum, imu_classical
  • Campos opcionales: fix_interval_s, sigma_pos_m, sigma_vel_mps, lat_deg, lon_deg, alt_m, trajectory, tight

El ejemplo scenarios/gnss-ins.toml establece, entre otros:

Campo Valor Unidad
alt_m 50 m
fix_interval_s 1 s
gnss.windows[0].state nominal texto
gnss.windows[0].t0 0 no indicado
gnss.windows[0].t1 100 no indicado
gnss.windows[1].state denegado texto
gnss.windows[1].t0 100 no indicado
gnss.windows[1].t1 160 no indicado
imu_classical.accel_bias [0.03, -0.02, 0] m/s^2
imu_classical.gyro_bias [0, 0, 1.0000e-4] rad/s
imu_classical.id tactical-imu texto
imu_classical.provenance Unidad inercial MEMS/cuarzo de grado táctico: mayor residuo de ses texto

Ejecútelo#

kshana scenarios/gnss-ins.toml

6 escenarios incluidos usan este tipo de escenario; los demás están en scenarios/.

Qué proporciona#

Los resultados escalares de esa ejecución, con las unidades que indica el motor:

Resultado Valor Unidad
classical.fom.availability 1 1
classical.fom.drift_slope_m_per_s 0.090464 m/s
classical.fom.holdover_s 60 s
classical.fom.integrity sin valor no indicado
classical.fom.pos_p95_m 5.713763 m
classical.fom.pos_rms_m 3.134426 m
classical.fom.security sin valor no indicado
classical.free_outage_rms_m 314.335637 m
classical.fused_outage_rms_m 3.134426 m
classical.spec.id tactical-imu texto
El gráfico que escribe el motor para scenarios/gnss-ins.toml, tipo de escenario gnss-ins

Evidencias#

Ninguna fila de la matriz nombra este tipo de escenario por su nombre; la etiqueta de su resultado es la propia del motor, más arriba.

Las filas que la propia ejecución puso a prueba, con la referencia independiente que da la matriz a cada una (las fuentes públicas se nombran allí):

  • MODELLED Acelerómetro de interferómetro de átomos fríos a partir de primeros principios (k_eff·T², QPN). Referencia independiente (ExternalDataset): vectores numéricos publicados de artículos primarios de CAI (función de transferencia de Cheinet 2008; sensibilidad de Peters/Freier): k_eff·T² coincide exactamente, el suelo unilateral de la ASD de ruido de disparo dentro de ~2× de cada instrumento publicado (los dispositivos reales llevan ruido técnico por encima del suelo cuántico). Una cota, no una paridad. 0,30 ronda 2 (preregistrada fcb9ac64), un hallazgo (sigue siendo MODELLED): el ruido de rotación solo de QPN frente al medido por Gauguet et al.
  • VALIDATED EKF de estado de error de 15 estados, con acoplamiento débil (validado en una conducción real con IMU/GNSS frente a NaveGo); un UKF de pseudodistancia/Doppler con acoplamiento fuerte y un reloj+pos acoplado. Referencia independiente (ExternalDataset): NaveGo v1.4 (R. Gonzalez, LGPL-3.0, ejecutado como herramienta bajo GNU Octave, nunca enlazado): su ins_gnss de acoplamiento débil sobre su propia conducción real de vehículo terrestre con IMU/GNSS Ekinox, con ambas soluciones puntuadas frente a la trayectoria de referencia de Ekinox. Ambos filtros leen la misma entrada float32 de 20 Hz, y la configuración de Kshana se asigna mecánicamente a partir de los parámetros publicados del conjunto de datos. El RMS de posición horizontal y vertical de Kshana y su
  • MODELLED Determinista, con hash de escenario, SBOM + barreras golden multiplataforma. Referencia independiente (ExternalDataset): ajuste a la norma del SBOM al esquema JSON oficial de CycloneDX 1,5 (+ identificadores SPDX válidos) — un estándar externo publicado, cero errores de validación en todo el grafo de dependencias; la parte de determinismo de FoM / reproducibilidad byte a byte sigue siendo una comprobación de autoconsistencia fijada, por lo que la fila sigue siendo MODELLED

Limitaciones#

Lo que el propio informe de la ejecución dice que no está modelado o no está validado:

  • El rendimiento de un sensor inercial cuántico es MODELLED, no está validado: una subafirmación se comprueba externamente, pero la capacidad completa compone piezas modeladas, por lo que la capacidad sigue siendo modelada. (matriz de verificación (docs/MODELLED-RATIONALE.md))
  • La reproducibilidad y el aseguramiento del software son MODELLED, no están validados: una subafirmación se comprueba externamente, pero la capacidad completa compone piezas modeladas, por lo que la capacidad sigue siendo modelada. (matriz de verificación (docs/MODELLED-RATIONALE.md))

Véase también#