تعتبر قياسات السرعة من أجهزة قياس السرعة (Doppler Velocity Log - DVL) أمراً بالغ الأهمية لضمان دقة الحلول الملاحة للمركبات الغاطسة الذاتية (Autonomous Underwater Vehicle - AUV). ولضمان دقة هذه القياسات، يتم عادةً معايرة أجهزة DVL قبل بدء المهام، حيث تبحر المركبة على سطح الماء وتحصل على إشارات من نظام الملاحة العالمي عبر الأقمار الصناعية (Global Navigation Satellite System - GNSS) التي توفر قياسات مرجعية دقيقة.

غالباً ما يتم استخدام أساليب مبنية على مرشح كالمان (Kalman filter) خلال هذه المعايرة لتقدير عامل المقياس وأخطاء المحاذاة. لكن في بعض البيئات، قد تكون إشارات GNSS مفقودة، مما يجعل المعايرة التقليدية غير ممكنة، ويُجبر المستخدمون على الاعتماد على قياسات DVL غير المعايرة، مما يؤثر سلباً على أداء الملاحة.

استجابت هذه الدراسة لهذا التحدي من خلال اقتراح تقنية جديدة تُعرف بالمعايرة المعززة بالمعلومات (Information-Aided Calibration - IAC)، التي تتضمن مساهمتين رئيسيتين: الأولى تحسين دقة المعايرة القائمة على مرشح كالمان في البيئات المدعومة بـ GNSS، والثانية تمكين المعايرة الذاتية لـ DVL بدون GNSS.

باستخدام بيانات حقيقية من AUV، حققت نماذج IAC المقترحة تحسيناً يصل إلى 20% في البيئات المدعومة بـ GNSS وحتى 35% في تقدير متجه السرعة خلال المعايرة الذاتية لـ DVL في غياب إشارات GNSS. بفضل هذه الطريقة، تم تحسين دقة الملاحة، وتقليل انحراف الملاحة، مما أدى في النهاية إلى زيادة موثوقية المهام بشكل كبير.

إن تأكيد هذه التحسينات يعكس أهمية الابتكارات في مجال الذكاء الاصطناعي، مقدماً حلاً عملياً للتحديات التي تواجه الباحثين والممارسين في هذا المجال.