基于 iLQG 的测距传感器移动机器人信念空间规划

本文中，我们使用迭代线性二次高斯（iLQG）在信念空间中对配备测距传感器的移动机器人进行运动规划。我们解决了阻碍 iLQG 应用于所考虑机器人系统的两个局限。首先，iLQG 假设可微的测量模型，而测距传感器并不满足。我们证明 iLQG 仅要求信念动态的可微性。我们提出使用无导数滤波器来近似信念动态，其不需要测量模型的显式可微性。其次，来自测距传感器的信息性测量是稀疏的。非信息性测量产生平凡的梯度信息，阻碍 iLQG 优化收敛到局部极小值。我们通过在测量模型中引入额外参数来稠密化信息性测量。这些参数在优化中迭代更新，以确保收敛到测距传感器的真实测量模型。我们通过消融研究展示了所提修改的有效性。我们还将所提方法应用于大规模真实世界环境的仿真中，相比假设分离原理或最大似然测量的现有最优方法，表现出更优的性能。