面向机器人状态估计的带增量不可微图优化器的观测模型学习
机器人学
2023-09-07 v1
摘要
我们考虑在回路中带有增量不可微优化器的情况下，学习机器人状态估计的观测模型问题。对机器人状态正确置信的收敛高度依赖于作为优化器输入的观测模型的恰当调参。我们提出了一种基于梯度的学习方法，与现有最先进方法相比，该方法能更快收敛到模型估计，从而在未见的机器人测试轨迹上获得由跟踪精度衡量的更高质量解。
引用
@article{arxiv.2309.02525,
title = {Learning Observation Models with Incremental Non-Differentiable Graph Optimizers in the Loop for Robotics State Estimation},
author = {Mohamad Qadri and Michael Kaess},
journal= {arXiv preprint arXiv:2309.02525},
year = {2023}
}
备注
6 pages, 4 figures. Published at the Differentiable Almost Everything Workshop of the 40th International Conference on Machine Learning