基于约束双层优化学习协方差用于估计

我们研究机器人状态估计中误差协方差矩阵的学习问题。状态估计器对机器人状态正确置信的收敛依赖于噪声模型的恰当调参。在推断过程中，这些模型用于权衡由线性化产生的 Jacobian 与误差向量的不同块，进而影响非线性系统的稳定性与收敛性。我们提出一种基于梯度的方法，通过将学习过程表述为因子图上的约束双层优化问题来估计良态协方差矩阵。我们在系列仿真与真实任务上对比基线评估了该方法，表明我们的技术收敛到的模型估计能带来更优解，这体现在未见测试轨迹上提升的跟踪精度。