自由能原理用于风中飞行四旋翼的状态与输入估计
机器人学
2021-09-27 v1
摘要
来自神经科学的自由能原理通过一种称为动态期望最大化（DEM）的数据驱动模型学习算法，提供了一种受大脑启发的感知方案。本文旨在引入一种实验设计，以首次通过实验确认 DEM 作为真实机器人状态与输入估计器的有效性。通过一系列在未被建模的风动力学下的四旋翼飞行实验，我们证明 DEM 可利用广义坐标从有色噪声中汲取信息，实现准确的状态与输入估计。我们展示了在有色噪声下，DEM 相较于状态增广、SMIKF 和卡尔曼滤波等其他基准方法，凭借其最小估计误差在状态估计上具有更优性能。我们展示了 DEM 与未知输入观测器（UIO）在输入估计上性能相似。本文最后展示了先验信念在塑造 DEM 估计过程中精度—复杂度权衡的影响。
引用
@article{arxiv.2109.12052,
title = {Free Energy Principle for State and Input Estimation of a Quadcopter Flying in Wind},
author = {Fred Bos and Ajith Anil Meera and Dennis Benders and Martijn Wisse},
journal= {arXiv preprint arXiv:2109.12052},
year = {2021}
}
备注
Submitted manuscript under review