非高斯SLAP：静态与动态环境下非高斯不确定性中的同时定位与规划

在过程与测量不确定性下的同时定位与规划（SLAP）是一项挑战。它涉及在通用框架中将随机控制问题建模为部分可观测马尔可夫决策过程（POMDP）求解。针对凸环境，我们提出一种基于优化开环最优控制问题并结合滚动时域控制（receding horizon control）策略的方法，以规划高质量轨迹，沿此轨迹在系统以最小控制代价到达目标状态的同时，状态定位的不确定性得以降低。在具有非凸状态约束的静态环境中，通过定义障碍函数修改优化问题，以在保持前述目标的同时获得无碰撞路径。通过用不同同伦类（homotopy classes）中的轨迹初始化优化并比较所得代价，我们在存在动作与测量不确定性时提升了求解质量。在具有时变约束（如移动障碍物或禁入区）的动态环境中，该方法被扩展以寻找无碰撞轨迹。本文中，底层空间是连续的，且置信度（beliefs）为非高斯分布。无障碍物时，优化为全局凸问题；而有障碍物时则变为局部凸问题。我们在不同场景中展示了该方法的性能。