面向移动智能体相对编队控制的分布式卡尔曼滤波器

多智能体的编队控制（FC）在众多领域中起着关键作用。在缺乏绝对定位的情况下，编队控制系统中的智能体依赖于相对于其邻居的相对位置测量。在分布式滤波器设计文献中，相对观测模型相对较少被探索；而在编队控制文献中，不确定性模型也很少被考虑。本文旨在通过探索专为群体相对编队控制设计的分布式滤波器，来弥合这些领域之间的鸿沟。我们提出了用于跟踪编队控制网络中智能体相对位置的统计鲁棒数据模型，随后针对集中式和分布式场景提出了最优卡尔曼滤波器。我们的仿真凸显了这些估计器的优势，并基于所提出的框架确定了未来的研究方向。