非高斯置信空间下全局定位的运动规划
机器人学
2016-03-01 v2 系统与控制
摘要
本文提出一种不确定性下的运动规划方法，用于处理因数据关联模糊导致机器人状态呈多模态假设的情况。在全局定位问题（有时称为“丢失或绑架机器人问题”）中，给定极少或毫无先验位姿信息，定位算法应相对于全局参考系恢复移动机器人的正确位姿。我们提出一种滚动时域（Receding Horizon）方法，规划动作以依次消除多模态置信的不确定性，从而在有限时间内实现对正确位姿的紧定位，即收敛到单模态置信。实验结果使用在人工迷宫式环境中运行的实体地面机器人给出。我们展示了两次运行，其中机器人被给予关于其初始位姿的毫无先验信息，而规划器负责定位该机器人。
引用
@article{arxiv.1511.04634,
title = {Motion Planning for Global Localization in Non-Gaussian Belief Spaces},
author = {Saurav Agarwal and Amirhossein Tamjidi and Suman Chakravorty},
journal= {arXiv preprint arXiv:1511.04634},
year = {2016}
}
备注
extends previous submission with updated figures, analysis and justifications. arXiv admin note: text overlap with arXiv:1506.01780