基于反向传播的 EKF 协方差解析导数用于主动感知
机器人学
2024-03-11 v3
摘要
为了提高机器人状态估计的精度，主动感知（或感知感知）方法寻求最大化传感器收集信息的轨迹。为此，一种可能性是寻求在给定视界内相对于其控制输入最小化扩展卡尔曼滤波（EKF）输出的（估计误差）协方差矩阵的轨迹。然而，这在计算上是要求很高的。在本文中，我们推导了关于 EKF 协方差矩阵相对于其所有输入的导数的新型反向传播解析公式。随后，我们利用获得的解析梯度作为使能技术，推导感知感知的最优运动规划。仿真验证了该方法，展示了执行时间的改进，特别是优于 PyTorch 的自动微分。真实车辆上的实验结果也支持了该方法。
引用
@article{arxiv.2402.17569,
title = {Backpropagation-Based Analytical Derivatives of EKF Covariance for Active Sensing},
author = {Jonas Benhamou and Silvère Bonnabel and Camille Chapdelaine},
journal= {arXiv preprint arXiv:2402.17569},
year = {2024}
}
备注
Submitted at IORS 2024