神经贝叶斯滤波
机器学习
2025-10-07 v1 人工智能
机器学习
摘要
我们提出神经贝叶斯滤波（Neural Bayesian Filtering, NBF），一种用于维护部分可观测系统中隐藏状态分布（称为信念）的算法。NBF经过训练，以找到对信念产生的任务所需的良好潜在表示。它将信念映射到固定长度的嵌入向量，这些向量用于条件生成模型进行采样。在滤波过程中，基于新观察值和环境动力学的粒子式更新在嵌入空间中计算后验分布。NBF将经典滤波器的计算效率与深度生成模型的表达能力相结合——在跟踪快速变化的多模态信念的同时，缓解了粒子贫血的风险。在三个部分可观测环境中的状态估计任务上对其进行验证。
引用
@article{arxiv.2510.03614,
title = {Neural Bayesian Filtering},
author = {Christopher Solinas and Radovan Haluska and David Sychrovsky and Finbarr Timbers and Nolan Bard and Michael Buro and Martin Schmid and Nathan R. Sturtevant and Michael Bowling},
journal= {arXiv preprint arXiv:2510.03614},
year = {2025}
}