我现在在哪？动态寻找最优传感器状态以最小化感知拒止漫游车的定位不确定性

我们提出了 DyFOS，这是一种主动感知方法，能够动态寻找最优状态以最小化定位不确定性，同时避免障碍物和遮挡。我们考虑这样一种场景：感知拒止漫游车依赖来自观测机器人的位置和不确定性测量，在充满障碍的路径上进行自我定位。来自观测者传感器的位置不确定性是传感器自身、漫游车及周围环境状态的函数。为了找到最小化漫游车定位不确定性的最优传感器状态，DyFOS 在优化搜索中使用定位不确定性预测流水线。给定上述状态的众多样本，该流水线借助训练好的复杂状态相关传感器测量模型（一种概率神经网络）预测漫游车的定位不确定性。我们的流水线还预测遮挡和障碍物碰撞，以剔除不理想的观测者状态并减少不必要的计算。我们在数值和仿真环境中评估了所提出的方法。结果表明，DyFOS 比暴力搜索更快，且性能相当。与更快的随机和启发式搜索相比，DyFOS 也产生了更低的定位不确定性。