hybrid-ukf (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#

UKF híbrido cuántico + clásico GNSS/INS fuertemente acoplado de 17 estados (MODELLED): 15 estados de error INS + corrección del sesgo del acelerómetro derivada de CAI + un reloj de 2 estados (fase + frecuencia) del motor de reloj de parámetros q, accionado por el modelo de error de CAI acotado. La figura de mérito es la autocoherencia del filtro (NEES + blancura de la innovación frente a los límites χ²), una afirmación de autocoherencia, NO una garantía de precisión en el mundo real. Solo simulación; sin TRL>3, sin herencia de vuelo, sin validación externa.

Una ejecución de scenarios/hybrid-ukf.toml se resume así: escenario e8be19a6199e | hybrid-ukf (17 estados, MODELLED) | sensor quantum-CAI (q_va 4.82e-14) | reloj q_wf 1.00e-26 q_rw 3.00e-30 | NIS 11.85/12 en [10.12,14,04] | NEES 7.11/8 en [6.48,9,68] | CONSISTENT | asistido 0.4m -> deriva 7.7m en 120s | autocoherencia, no precisión

Entradas#

Del esquema (kshana kinds --json):

• Campos obligatorios: seed, time, gnss, accel, clock
• Campos opcionales: residual_accel_bias_m_s2, speed_m_s, sigma_pr_m, sigma_rr_mps, consistency_seeds, q_factor, r_factor

El ejemplo scenarios/hybrid-ukf.toml establece, entre otros:

Ejecútelo#

kshana scenarios/hybrid-ukf.toml

Qué proporciona#

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

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
• MODELLED Rendimiento acotado (mejor/nominal/conservador) del interferómetro de átomos fríos: inestabilidad del sesgo, paseo aleatorio de velocidad/ángulo, estabilidad del factor de escala, interrogation. Referencia independiente (InternalConsistency): Coherencia interna: el rango de VRW citado se contrasta con la física de CaiAccelerometer::accel_asd y con el rango dinámico bruto calculado a partir del límite de ambigüedad de franja; las cifras son rangos MODELLED de una revisión de la literatura (needs_source_confirmation), ningún dispositivo está validado, sin halo de validación

Limitaciones#

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

• SIMULACIÓN MODELLED. Autocoherencia del filtro (NEES + blancura de la innovación) con entradas de ruido de CAI y de reloj acotadas: una afirmación de autocoherencia, NO una garantía de precisión en el mundo real. No son resultados de campo ni de vuelo; sin TRL>3, sin herencia de vuelo, sin validación externa. El hardware de CAI es propiedad del socio. (resultado modelled_note)
• UKF híbrido cuántico + clásico GNSS/INS fuertemente acoplado de 17 estados (MODELLED): 15 estados de error INS + corrección del sesgo del acelerómetro derivada de CAI + un reloj de 2 estados (fase + frecuencia) del motor de reloj de parámetros q, accionado por el modelo de error de CAI acotado. (catálogo de tipos de escenario (kshana kinds --json))
• UKF híbrido cuántico + clásico GNSS/INS fuertemente acoplado de 17 estados (MODELLED). (comentario del archivo de escenario, línea 1)
• FIGURA DE MÉRITO: autocoherencia del filtro (NEES + blancura de la innovación), lo único que una simulación puede afirmar con honestidad sobre un estimador. Sobre un conjunto de Monte Carlo cuya verdad se genera exactamente a partir del ruido que el filtro supone, las medias agrupadas de NIS (blancura) y NEES deben caer dentro de sus bandas chi-cuadrado del 95%. Esto es una afirmación de AUTOCOHERENCIA, NO una garantía de precisión en el mundo real. (comentario del archivo de escenario, líneas 21 a 25)
• HONESTIDAD: todo lo que hay aquí es MODELLED / SIMULACIÓN. Las entradas de CAI y de reloj son valores acotados y representativos de la literatura, no hardware medido; el hardware de CAI y su Key-Person siguen siendo propiedad del socio. Sin TRL>3, sin herencia de vuelo, sin validación externa. (comentario del archivo de escenario, líneas 27 a 29)
• Semillas de Monte Carlo sobre las que agrupa la referencia independiente de coherencia, y multiplicadores de desajuste del filtro. 24 semillas dan bandas chi-cuadrado de NEES basadas en ejecuciones (8*24 DOF) lo bastante estrechas para distinguir un filtro ajustado de uno desajustado sin encarecer la ejecución. Fije q_factor / r_factor lejos de 1,0 para desajustar el filtro y ver cómo la barrera de coherencia lo rechaza (q_factor escala el ruido de proceso supuesto, r_factor el ruido de medición supuesto (comentario del archivo de escenario, líneas 44 a 48)
• 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#

• Página de familia: Sensores inerciales, de fusión y cuánticos
• Todos los tipos de escenario: KINDS.md
• Página temática: QUANTUM-MODELS.md
• Página temática: QUANTUM.md