发表机构
Abbia GNSS Technologies（Abbia GNSS技术公司）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究提出深度学习增强型PVT算法，结合监督目标与JEPA自监督预训练，在多驾驶场景评估中显著提升GNSS的PVT精度，尤其适用于恶劣城区，凸显未标注GNSS数据的泛化潜力。
AI 中文摘要
本研究提出一种深度学习增强型PVT算法，以缓解密集城区的多路径干扰。该算法采用监督目标联合预测测距修正量与不确定性，同时基于JEPA的自监督预训练阶段提升表示质量。在多种驾驶场景下对该算法进行评估，结果显示其显著提升了PVT精度，尤其针对未见过的恶劣城区条件，这些结果凸显了未标注GNSS数据在提升泛化性能方面的潜力。
英文摘要
This work proposes a Deep Learning Enhanced PVT algorithm to mitigate multipath interference in dense urban areas. A supervised objective jointly predicts range corrections and uncertainty, while a JEPA-based self-supervised pretraining stage improves representation quality. The algorithm is evaluated over diverse driving scenarios, substantially improving PVT accuracy, particularly for unseen harsh urban conditions. These results highlight the potential of unlabelled GNSS data to improve generalization performance.
CommentsEuropean Navigation Conference 2026
