混合迭代线性二次估计：混合系统的最优估计
机器人学
2024-10-29 v1
摘要
本文提出了混合迭代线性二次估计，一种针对混合动力系统的基于优化的离线状态估计算法。我们利用盐化矩阵（通过事件驱动混合转换的变分更新的一阶近似），在状态估计的迭代线性二次优化的反向传播中计算穿过混合事件的梯度信息。这使得能够在每个时间步精确计算值函数近似。此外，迭代算法中的前向传播在 rollout 中加入了混合动力学。在噪声计算中比较反馈增益的状态时，使用了一种参考扩展方法来考虑变化的碰撞时间。所提方法在带有位置测量的 ASLIP 跳跃系统上进行了演示。与 Salted Kalman Filter (SKF) 相比，本文提出的算法在碰撞事件附近的所有状态维度上，估计误差幅值最多减少了 63.55%。
引用
@article{arxiv.2410.19958,
title = {Hybrid Iterative Linear Quadratic Estimation: Optimal Estimation for Hybrid Systems},
author = {J. Joe Payne and James Zhu and Nathan J. Kong and Aaron M. Johnson},
journal= {arXiv preprint arXiv:2410.19958},
year = {2024}
}