基于高斯混合的逆感知契约：用于不确定性感知的机器人导航
机器人学
2026-03-05 v1
摘要
可靠的浊积环境导航要求感知输出不仅准确，而且具备适用于安全控制的不确定性集合。逆感知契约（IPC）提供了此类连接，通过将感知估计映射到包含高置信度真实值的集合。然而，现有IPC形式化方法将不确定性实例化为单个椭球形集合，并依赖确定性可信度分数来指导机器人运动。这种表述无法捕捉细粒度感知误差的多模态和不规则结构，常导致保守的集合和导航性能下降。本文引入基于高斯混合的逆感知契约（GM-IPC），将IPC扩展为利用从高斯混合模型派生的椭球形置信集合的并集来表示不确定性。该设计超越了确定性单集合抽象，能够在形式保证下捕捉细粒度、非凸和多模态误差结构。本文提出了学习框架，训练GM-IPC以考虑概率包含、分布匹配和空白空间惩罚，确保预测集合的有效性和紧凑性。进一步表明，所得不确定性特征可用于下游规划框架实现实时安全导航，使机器人运动更加不保守和自适应，同时以概率方式保持安全。
引用
@article{arxiv.2603.04329,
title = {Gaussian Mixture-Based Inverse Perception Contract for Uncertainty-Aware Robot Navigation},
author = {Bingyao Du and Joonkyung Kim and Yiwei Lyu},
journal= {arXiv preprint arXiv:2603.04329},
year = {2026}
}
备注
8 pages, 5 figures. Accepted to ACC 2026 (American Control Conference)