使用摊销最优输运图实现非高斯模型的快速过滤

本文提出了摊销最优输运滤波器（A-OTF），旨在缓解最优输运滤波器（OTF）在实时训练中所承担的计算负担。OTF 能够在过滤过程中执行准确的非高斯贝叶斯更新，但需要在每个时间步进行训练，这使得其成本高昂。 proposed A-OTF 框架利用在初始/离线训练阶段中 OTF 图之间的相似性，以减少在在线计算中推断的成本。更准确地说，我们使用聚类算法选择相关子集的预训练图，其加权平均用于计算 A-OTF 模型，类似于专家混合模型。一系列数值实验验证了 A-OTF 在在线推断期间实现了显著的计算节省，同时保持了 OTF 固有的灵活性和准确性。