ISEE.U：面向不可预测目标的分布式在线主动目标定位
机器学习
2023-08-23 v2 机器人学
系统与控制
系统与控制
最优化与控制
摘要
本文研究目标定位问题，提出一种在线主动学习算法，该算法在每个节点上进行分布式、简单且快速的计算，无需调参，且各智能体对目标位置的估计在期望上渐近等于集中式最大似然估计器。ISEE.U 利用各智能体的含噪距离，求得使定位精度最大化的控制。我们不假设特定的目标动力学，因此所提方法在面对不可预测目标时具有鲁棒性。每个智能体通过 Fisher 信息矩阵的局部估计，计算使整体目标位置精度最大化的控制。我们将所提方法与一种最先进（state of the art）算法进行比较，在目标运动不遵循预设轨迹时优于该算法，且计算时间减少 100 倍，即便我们的方法仅在单一中央 CPU 上运行。
引用
@article{arxiv.2210.09107,
title = {ISEE.U: Distributed online active target localization with unpredictable targets},
author = {Miguel Vasques and Claudia Soares and João Gomes},
journal= {arXiv preprint arXiv:2210.09107},
year = {2023}
}