使用高斯过程增广状态空间模型学习驾驶行为
信号处理
2020-03-17 v1
摘要
提出了一种针对高斯过程增广状态空间模型的推断方法。这类灰箱模型能够将领域知识纳入推断过程以保证最低性能，同时仍具有足够灵活性以学习部分未知模型动态与输入。为促进模型的在线（递推）推断，提出了一种基于诱导点的高斯过程稀疏近似。为说明该模型与推断方法的应用，给出一个示例：利用其对一组通过路口的车辆进行位置跟踪并学习其行为。与仅使用状态空间模型的情况相比，使用增广状态空间模型同时降低了估计误差与偏差。
引用
@article{arxiv.2003.07312,
title = {Learning Driver Behaviors Using A Gaussian Process Augmented State-Space Model},
author = {Anton Kullberg and Isaac Skog and Gustaf Hendeby},
journal= {arXiv preprint arXiv:2003.07312},
year = {2020}
}
备注
7 pages, 6 figures. Submitted to FUSION 2020