无人机搜索中的统计-几何退化：基于物理感知的非对称滤波方法
机器人学
2026-02-19 v1 信息论
机器学习
math.IT
摘要
后灾难生存者定位使用无人机（UAV）面临一个根本性的物理挑战：倒塌结构中非视距（NLOS）传播的普遍存在。与标准高斯噪声不同，信号从碎片反射引入严格的非负测距偏差。现有的鲁棒估计器通常采用对称损失函数（如Huber或Tukey）设计，隐含了误差对称性的假设。因此，他们在该场景下存在理论上的不匹配，导致我们正式识别的现象——统计-几何退化（SGD）——即估计器因持续的非对称偏差与有限观测几何的耦合而停滞。在众多数据驱动方法试图提供替代方案之际，他们往往在稀缺训练数据和非结构化灾难区中固有的仿真-现实差距方面困难重重。本文提出了基于物理的解决方案——AsymmetricHuberEKF——通过推导出的非对称损失函数显式地纳入NLOS偏差的非负物理先验。理论上，我们展示，标准的对称滤波器对应于我们框架中放宽物理约束的退化情形。此外，我们演示，解决SGD不仅需要鲁棒滤波器，还需要特定的双向信息，我们通过共设计的主动感知策略来实现。经过在2D仰视扫描场景中的验证，我们的方法在对称基线上显著加快了收敛速度，为数据稀缺且几何受限的搜索操作提供了一个具有鲁棒性的基础模块。
引用
@article{arxiv.2602.15893,
title = {Statistical-Geometric Degeneracy in UAV Search: A Physics-Aware Asymmetric Filtering Approach},
author = {Zhiyuan Ren and Yudong Fang and Tao Zhang and Wenchi Cheng and Ben Lan},
journal= {arXiv preprint arXiv:2602.15893},
year = {2026}
}