迭代饱和卡尔曼滤波
人机交互
2025-07-02 v1 机器人学
摘要
卡尔曼滤波 (KF) 为线性-高斯系统提供最优递归状态估计，支撑控制、信号处理等领域的应用。然而，它对测量和过程噪声中的异常值极其脆弱。我们引入迭代饱和卡尔曼滤波 (ISKF)，其作为求解凸鲁棒估计问题的 scaled 梯度方法推导而来。它在保持 KF 低 per-step 成本和实现简单性的同时实现了对异常值的鲁棒性，因为实际中通常只需进行一次或两次迭代即可获得良好性能。ISKF 还采用稳态变体，类似于标准稳态 KF，不需在每个时间步骤中求解线性系统，因而适用于实时系统。
引用
@article{arxiv.2507.00271,
title = {User Concerns Regarding Social Robots for Mood Regulation: A Case Study on the "Sunday Blues"},
author = {Zhuochao Peng and Jiaxin Xu and Jun Hu and Haian Xue and Laurens A. G. Kolks and Pieter M. A. Desmet},
journal= {arXiv preprint arXiv:2507.00271},
year = {2025}
}
备注
Accepted to International Conference on Social Robotics + AI (ICSR 2025)