用于监控机器人群体的多秩子子空间变点检测
统计方法学
2026-03-10 v2
摘要
我们研究高维流数据中协方差结构低秩变化的实时检测问题，动机来自机器人群体监控。基于劈升协方差模型，我们提出多秩子子空间-CUSUM（MRS-C）程序，通过跟踪投影能量到估计信号子空间来扩展经典 CUSUM 方法。我们通过在给定平均运行长度（ARL）下 characterize 检测延迟（EDD），推导窗口大小和漂移的闭式渐近最优选择。进一步我们证明 MRS-C 相对于 oracle Exact CUSUM 是一阶渐近最优的，其显式效率常数取决于 spike 强度的异质性。当信号秩未知时，我们使用并行程序。仿真和机器人群体行为数据说明其鲁棒性和有效性。
引用
@article{arxiv.2506.18562,
title = {Multi-Rank Subspace Change-Point Detection for Monitoring Robotic Swarms},
author = {Jonghyeok Lee and Yao Xie and Youngser Park and Jason Hindes and Ira Schwartz and Carey Priebe},
journal= {arXiv preprint arXiv:2506.18562},
year = {2026}
}