基于上下文估计的主动目标跟踪：处理遮挡与检测丢失目标

在执行视觉伺服或目标跟踪任务时，主动传感器规划对于保持目标在视野内或在其丢失时重新定位至关重要。特别地，当处理已知目标缺失于传感器视野的情况时，我们提议利用与上下文信息相关的先验知识来估计其可能位置。为此，本研究提出一种利用上下文信息有效搜索目标的动态贝叶斯网络。采用蒙特卡洛粒子滤波来近似目标状态的后验概率，并由此定义不确定性。我们通过信息论形式定义机器人的效用函数，以寻求降低任务不确定性的最优动作，促使机器人代理探查目标最可能存在的位置。利用上下文状态模型，我们采用部分可观测马尔可夫决策过程设计代理的高层决策框架。基于通过序贯观测估计的上下文置信状态，确定机器人的导航动作以执行探索与检测任务。通过使用这种多模态上下文模型，我们的代理能有效处理基本动态事件，如目标被遮挡或离开视野。我们在移动机器人上实时实现并演示了这些能力。