通过自适应行为增强最大相关熵准则卡尔曼滤波实现鲁棒状态估计
机器人学
2021-03-30 v1
摘要
本工作提出了一种用于感知退化环境中机器人的弹性自适应状态估计框架。该方法称为自适应最大相关熵准则卡尔曼滤波（AMCCKF），其本质上对 corrupted 测量（如包含跳变或一般非高斯噪声的测量）具有鲁棒性，并能够在线修改滤波器参数以提升性能。我们开发了两种独立的方法——变分贝叶斯 AMCCKF（VB-AMCCKF）与残差 AMCCKF（R-AMCCKF）——它们根据所接收测量的质量，修改过程与测量噪声模型以及 MCCKF 中使用的核函数带宽。两种方法在计算复杂度和整体性能上有所不同，这一点通过实验进行了分析。该方法在 aerial 与 ground 机器人的真实实验中得到展示，并被 COSTAR 团队用作参与 DARPA 地下挑战赛（DARPA Subterranean Challenge）解决方案的一部分。
引用
@article{arxiv.2103.15354,
title = {Towards Robust State Estimation by Boosting the Maximum Correntropy Criterion Kalman Filter with Adaptive Behaviors},
author = {Seyed Fakoorian and Angel Santamaria-Navarro and Brett T. Lopez and Dan Simon and Ali-akbar Agha-mohammadi},
journal= {arXiv preprint arXiv:2103.15354},
year = {2021}
}