面向自动驾驶车辆弹性跟踪：一种分布鲁棒输入与状态估计方法
最优化与控制
2025-04-15 v1 系统与控制
系统与控制
摘要
本文提出了一种新颖的分布鲁棒输入与状态估计（DRISE）框架，用于在模型不确定性和测量异常值下运行的自动驾驶车辆。该框架通过整合分布鲁棒性改进了输入与状态估计（ISE）方法，增强了估计器对对抗性输入和未建模动态的弹性和鲁棒性。基于矩的模糊集捕获系统动力学和测量噪声中的概率不确定性，提供分析可处理性并有效处理均值和协方差的不确定性。特别地，所提框架最小化最坏情况估计误差，确保对名义分布偏差的鲁棒性。通过在CARLA自动驾驶模拟器中的仿真验证了所提方法的有效性，展示了在动态和不确定环境中状态估计精度和鲁棒性的提升。
引用
@article{arxiv.2504.09974,
title = {Towards Resilient Tracking in Autonomous Vehicles: A Distributionally Robust Input and State Estimation Approach},
author = {Kasra Azizi and Kumar Anurag and Wenbin Wan},
journal= {arXiv preprint arXiv:2504.09974},
year = {2025}
}