基于 Copula 模型的 SLAM 变分滤波
机器人学
2020-08-04 v1 机器学习
摘要
推断地图变量并估计位姿的能力对自主移动机器人的运行至关重要。在大多数情况下，这些变量之间的共享依赖关系通过多元高斯分布建模，但在许多情形下该假设并不现实。我们的论文展示了如何放宽这一假设，并使用更大类的分布执行同步定位与地图构建（SLAM），其多元依赖关系由 copula 模型表示。我们将带有 copula 的分布模型集成到序贯蒙特卡洛估计器中，并展示了如何通过基于梯度的优化学习未知模型参数。我们证明了我们的方法在高斯假设明显不成立的环境中有效，例如具有不确定数据关联和非线性转移模型的環境。
引用
@article{arxiv.2008.00504,
title = {Variational Filtering with Copula Models for SLAM},
author = {John D. Martin and Kevin Doherty and Caralyn Cyr and Brendan Englot and John Leonard},
journal= {arXiv preprint arXiv:2008.00504},
year = {2020}
}
备注
Published at the 2020 International Conference on Intelligent Robots and Systems (IROS)