光滑流形上切线性化高斯推断的分布稳定性
机器人学
2026-04-30 v2 系统与控制
系统与控制
摘要
光滑流形上的高斯推断是机器人学的核心，但精确的边缘化和条件化通常是非高斯的且依赖于几何。我们研究了切线性化高斯推断，并推导了投影边缘化和曲面测度条件化的显式非渐近稳定性界。这些界将局部二阶几何畸变与非局部尾部泄漏分开，对于高斯输入，可从和曲率/可达性替代量产生闭式诊断。圆和平面推挤实验验证了在附近的预测校准转变，并表明当局部性破坏时，法向方向不确定性是主要失效模式。这些诊断提供了从单图线性化切换到多图或基于样本的流形推断的实用触发条件。代码和Jupyter笔记本可在https://github.com/mikigom/StabilityTLGaussian获取。
引用
@article{arxiv.2602.19179,
title = {Distributional Stability of Tangent-Linearized Gaussian Inference on Smooth Manifolds},
author = {Junghoon Seo and Hakjin Lee and Jaehoon Sim},
journal= {arXiv preprint arXiv:2602.19179},
year = {2026}
}
备注
To appear in IEEE Robotics and Automation Letters (IEEE RA-L)