无特征环境下协作定位的鲁棒性：DCL、StCL、CCL、CI 与 Standard-CL 的比较研究
机器人学
2026-04-28 v3
摘要
协作定位（CL）使多机器人系统在 GPS 禁区环境中实现精确位置估计。本文对五种 CL 方法进行比较研究：集中式协作定位（CCL）、去中心化协作定位（DCL）、顺序协作定位（StCL）、协方差交叉（CI）和标准协作定位（Standard-CL）。所有方法均在 ROS 中实现，并通过蒙特卡罗仿真在两种条件下进行评估：弱数据关联和稳健检测。我们的分析揭示了各方法之间的根本性权衡。StCL 和 Standard-CL 实现最低的定位误差，但存在严重的滤波器不一致性，因而不适用于安全关键应用。DCL 因其测量跨步机制，在面对挑战性条件时表现出突出的稳定性，提供的隐式对异常值的正则化效果显著。CI 作为最具平衡性的方法，在保持竞争精度的同时实现接近最优的一致性。CCL 提供理论上最优的估计，但对测量异常值较为敏感。这些发现为根据应用需求选择 CL 算法提供了实用指导。
引用
@article{arxiv.2603.09886,
title = {Robust Cooperative Localization in Featureless Environments: A Comparative Study of DCL, StCL, CCL, CI, and Standard-CL},
author = {Nivand Khosravi and Rodrigo Ventura and Meysam Basiri},
journal= {arXiv preprint arXiv:2603.09886},
year = {2026}
}
备注
Accepted and presented at the 2026 12th International Conference on Automation, Robotics and Applications (ICARA); to appear in IEEE conference proceedings