基于无信任变换的合作定位分析：仅使用距离信息

在多智能体机器人系统中进行合作定位具有挑战性，尤其是当智能体仅依赖有限信息（如仅来自同伴的距离测量）时。两个关键挑战 arise: 如何利用这些有限信息来提高位置估计；如何处理来自传感器噪声、非线性以及智能体之间未知相关性的不确定性；以及避免信息重复使用。本文考察了无信任变换（Unscented Transform, UT）用于状态估计的方法，针对仅使用距离测量且采用协方差相交（Covariance Intersection, CI）处理未知相关性的情形进行分析。与卡尔曼滤波方法不同，CI 方法会融合完整的状态和协方差估计。这使得仅使用距离测量构建 CI 方法变得具有挑战性。为克服这一困难，采用 UT 处理不确定性，并利用距离测量和当前的合作状态估计构建协作状态更新。这会在测量更新中引入信息重复使用。因此，本工作旨在评估该公式在各种状态测量不确定性和误差水平下的局限性和实用性。