利用粒子滤波与蒙特卡洛树搜索的主动声源跟踪
音频与语音处理
2019-09-10 v3
摘要
在本文中，我们针对作为机器人路径规划一部分的主动声源跟踪任务进行研究。它意指规划机器人运动序列，通过融合来自多个位置的观测来增强对声源（例如说话的人）的跟踪结果。本质上，两种策略是可能的：导致贪婪行为的短期规划，以及考虑机器人与声源一系列可能未来运动的长期规划。此处，我们关注第二种方法，因为其相较于贪婪行为可能改善跟踪性能，并提出了一种灵活的路径规划算法，该算法利用蒙特卡洛树搜索（MCTS）和基于信息论考量所驱动奖励的粒子滤波。
引用
@article{arxiv.1902.01299,
title = {Active Acoustic Source Tracking Exploiting Particle Filtering and Monte Carlo Tree Search},
author = {Thomas Haubner and Alexander Schmidt and Walter Kellermann},
journal= {arXiv preprint arXiv:1902.01299},
year = {2019}
}