DEQ-MCL：基于离散事件队列的蒙特卡罗定位
人工智能
2024-04-23 v1 机器人学
摘要
空间认知在海马皮层中被认为在机器人自定位技术的发展中起关键作用。本文提出一种自定位方法 DEQ-MCL，基于海马皮层中相位预先期关联的离散事件队列假说。我们的方法有效估计状态后验分布，包括过去、现在及将来的状态，这些状态组织成队列。该方法通过当前观察平滑过去状态的后验分布，并通过考虑未来状态的可行性对联合分布进行加权。我们的发现表明，所提出的方法对于增强室内环境的自定位性能具有潜力。
引用
@article{arxiv.2404.13973,
title = {DEQ-MCL: Discrete-Event Queue-based Monte-Carlo Localization},
author = {Akira Taniguchi and Ayako Fukawa and Hiroshi Yamakawa},
journal= {arXiv preprint arXiv:2404.13973},
year = {2024}
}
备注
Accepted by AROB-ISBC-SWARM 2024