非高斯阿尔法西尔不确定性的深度建模
机器学习
2025-02-28 v2 人工智能
计算机视觉与模式识别
机器人学
摘要
深度学习为机器人状态估计系统中的阿尔法西尔不确定性建模提供了前景，特别是在不符合传统假设(固定且高斯)的不确定性分布情况下。在本研究中，我们对三种基本的深度学习方法进行了表述和评估，以定量化非高斯阿尔法西尔不确定性：参数化、离散化和生成模型。我们系统地比较了这三种方法在模拟非高斯密度以及真实世界地形相对导航数据上的优缺点。我们的结果表明，这些深度学习方法能够准确捕获复杂的不确定性模式，凸显了其提高估计系统可靠性和鲁棒性的潜力。
引用
@article{arxiv.2405.20513,
title = {Deep Modeling of Non-Gaussian Aleatoric Uncertainty},
author = {Aastha Acharya and Caleb Lee and Marissa D'Alonzo and Jared Shamwell and Nisar R. Ahmed and Rebecca Russell},
journal= {arXiv preprint arXiv:2405.20513},
year = {2025}
}
备注
8 pages, 7 figures