状态依赖噪声下的非短视目标跟踪策略

我们研究设计闭环策略以控制跟踪可能移动目标的机器人位置的问题。机器人能够获取目标位置的带噪声测量。主动目标跟踪的关键思想是选择控制律，将机器人驱动到能够降低目标位置不确定性的测量位置。挑战在于测量不确定性常常是目标与机器人（未知）相对位置的函数。因此，需要一种闭环控制策略，能将目标位置的当前估计映射为机器人的最优控制律。我们的主要贡献是设计了一种用于目标跟踪的闭环控制策略，该策略计划一系列控制动作，而非贪婪地行动。我们考虑测量噪声为目标状态函数的场景。我们寻求最小化所有可能测量下的最大不确定性（后验协方差矩阵的迹）。我们利用卡尔曼滤波的结构特性构建策略树，其规模比朴素枚举小几个数量级，同时保留最优性保证。我们展示了如何通过放宽最优性保证来获得更多计算节省。所得算法通过仿真进行了评估。