← Drone Dynamics

DYNAMICS LAB · ENGINE01

Vergleich von Flugbahnmodellen

Alle Modelle werden an denselben neun zivilen Testflügen verglichen. Die Grafiken zeigen die Unterschiede zwischen den Fehlern und den Anteil der Messungen in den geschätzten Unsicherheitsbereichen.

Zur Flugwiedergabe ↓

Neun aufgezeichnete Flüge vergleichen

Das Diagramm vergleicht neun Flüge mit derselben Drohne. Wähle einen Flug, um ihn hervorzuheben und seine GPS-Koordinaten sowie die Modellergebnisse zu sehen.

Testflug 9 · Lap030 · 8:55

Eingesetztes Fluggerät
Volantex Ranger 2400 · SpeedyBee F405 / INAV
Modell mit dem kleinsten mittleren Fehler
Kalman-Filter · 10,43 m
GPS-Position zum gewählten Zeitpunkt
Breitengrad 39,299810° · Längengrad -0,611382°
Alle getesteten Modelle

Die sechs Modelle und ihre Kombination wurden mit GPS-Positionen nach 1, 3 und 5 Sekunden verglichen. Die Ergebnisse beziehen sich auf den ausgewählten Flug.

ModellMittlerer Fehler (ADE)Quadratischer Mittelfehler (RMSE)
Kalman-Filter (KF)10,43 m17,56 m
Korrelierter Random Walk (CRW)10,68 m17,21 m
Modellkombination (ENSEMBLE)10,81 m16,81 m
Konstante Geschwindigkeit (CV)14,31 m23,52 m
Konstante Beschleunigung (CA)20,30 m31,66 m
Random Walk (RW)31,36 m38,98 m
Ornstein–Uhlenbeck (OU)184,66 m212,40 m

Die Flugspuren nutzen denselben geografischen Bezug. Die Wiedergabe ist beschleunigt. Die WGS84-Koordinaten stammen aus den im Diagramm dargestellten GPS-Originalmessungen.

DME-001

Ergebnisse des Experiments

Auf neun Testflügen erzielte Kalman mit 9,12 m den geringsten mittleren Positionsfehler, knapp vor CRW mit 9,27 m. Das Ensemble hatte mit 15,12 m den niedrigsten RMSE. Sein mittlerer Fehler betrug 9,60 m.

Grenzen der Studie. Die Flüge stammen von derselben Plattform und Strecke. GNSS ist eine verrauschte Referenz. Die Rangfolge kann auf anderen Flügen abweichen.

DME-001 · Reale Versuchsdaten

Modellfehler auf demselben Testdatensatz.
Modellfehler auf demselben Testdatensatz.
Tatsächliche Abdeckung der Unsicherheitsbereiche im Testdatensatz.
Tatsächliche Abdeckung der Unsicherheitsbereiche im Testdatensatz.
Aufgezeichnete Flugbahn in lokalen Koordinaten.
Aufgezeichnete Flugbahn in lokalen Koordinaten.

Die Unsicherheitsintervalle wurden durch erneutes Stichprobenziehen ganzer Flüge geschätzt. Die Flüge nutzten dasselbe Fluggerät und dieselbe Strecke. Die unbekannten Aufzeichnungsdaten begrenzen die Unabhängigkeit. Der Vergleich prüft, ob komplexere Modelle Vorteile bieten.

Daten und technische Dateien

Die technischen Details enthalten Tabellen und Grenzen der Studie. Originaldaten und Anleitungen stehen zum Download bereit.

Technische Details und Reproduzierbarkeit

Study context

Problem addressed
Which motion estimates perform best on the same held-out historical flights?
Contribution relative to existing methods
The benchmark puts established methods and a validation-fitted ensemble under one protocol.
Potential commercial use
Select candidate estimators for offline evaluation on a civil fleet’s own telemetry.

Market context and value assumptions on the engine page

Computed 2026-11-06T10:25:09.902316+00:00 · reproducible scientific prototype

Measured and computed results

modelADE_mFDE_mRMSE_mMAE_coordinate_mcoverage95
RW34.79599357.40528241.42632820.4674110.96096
CV12.74391920.82719422.1855878.2067630.90653
CA18.12908935.42205529.65208211.4919210.883761
KF9.12169517.24209815.832155.7986830.904366
CRW9.27140817.24023515.4396845.926360.909744
OU180.270339237.539602208.814684116.086710.98021
ENSEMBLE9.5996117.40035515.115736.1198570.926349

Paired comparison and uncertainty

modelreferencemean_ADE_difference_mtwo_sided_exact_signflip_punitsholm_adjusted_p
RWCV22.0520750.00390690.023438
CACV5.3851710.00390690.023438
KFCV-3.6222230.00390690.023438
CRWCV-3.4725110.00390690.023438
OUCV167.526420.00390690.023438
ENSEMBLECV-3.1443080.00390690.023438

Robustness

conditionmodelADE_mmatched_baseline_ADE_morigins
context_noise2mRW34.98976134.795993439
context_noise2mCV13.18690412.743919439
context_noise2mCA23.08131318.129089439
context_noise2mKF23.9340849.121695439
context_noise2mCRW23.2605769.271408439
context_noise2mOU180.268998180.270339439
context_noise2mENSEMBLE22.6866699.59961439
context_missing30percentRW35.76946234.874378435
context_missing30percentCV12.86528712.78599435
context_missing30percentCA18.33421818.112987435
context_missing30percentKF9.2439759.115594435
context_missing30percentCRW9.5046229.270341435
context_missing30percentOU182.589058179.941936435
context_missing30percentENSEMBLE9.8308669.594352435

Scientific result SHA-256: 1f0238e055f9f9a1d601982e68e3e6406f6148a4e768ca17fd0cdfed30427280. Numerical correctness is evaluated with independent controls and source replay; scientific validity remains bounded by source quality and model assumptions.

Limits

Recorded GNSS is a noisy reference, not known true state. Physical sensor calibration is unavailable.
Flights share platform and circuit; recording-day groups are unavailable. File-disjoint splits prevent row leakage but do not prove external generalization or independent days.
Gaussian nominal regions and validation scaling are empirically evaluated, not guaranteed confidence coverage.
ADE averages sampled1/3/5second horizons, actual timestamp offsets recorded; no interpolation.
All parameter and ensemble fitting use development/validation only; test outcomes are not tuning inputs.
Original software Apache License2.0. Third-party source data retains its own licence. AI hypotheses do not generate these measurements. Offline research, no operational control.
Model-by-model results
RW
Random-walk reference: 34.80 m mean error, above constant velocity.
CV
Constant velocity: 12.74 m mean error, a useful simple baseline.
CA
Constant acceleration: 18.13 m mean error, above CV in this test.
KF
Kalman: lowest mean error, 9.12 m.
CRW
Correlated random walk: 9.27 m mean error, close to Kalman.
OU
Ornstein–Uhlenbeck: highest mean error, 180.27 m. High coverage did not offset poor accuracy.
Ensemble
Model combination: lowest RMSE, 15.12 m.
HMM
Groups motion patterns into descriptive states. The states have no verified intent labels.
EKF
Extended Kalman filter: available in the core, without a measured result in DME-001.
Particle Filter
Available in the core, without a measured result in DME-001.
Monte Carlo
In DME-003, 100 synthetic random-walk replicates produced a distribution of final outcomes.