MMFeb, 2014

基于情境演算的机器人定位估计

PDF
TL;DR在不确定的世界中，使用 Bacchus、Halpern 和 Levesque 的框架和连续领域的扩展，以期望推理的方式进行基于状态的位置估计，并揭示了行为理论下的位置估计问题。此外，本文还表明，虽然行动可能以非标准的方式影响先验分布，但总体规范的副作用是产生了适当的后验信念。
location estimationrobotic applicationsdegrees of beliefsituation calculustheory of actions
发现论文，激发创造
  • 推理情景演算中的嘈杂感应器与执行器

    介绍了一种能够帮助代理人处理不确定性的概率信念模型并建议了一种能够捕捉代理人信念状态的简单公理化方法，该方法基于 Reiter 等人开发的行动的一般逻辑理论并在情境演算中进行形式化。

    Sep, 1998

  • 考虑环境不确定性的安全运动规划

    本文提出了一种考虑机器人状态和环境不确定性的安全运动规划方法，旨在解决机器人定位中地标不确定性的问题，并给出了在高斯分布机器人运动、感知和障碍位置不确定性下的碰撞概率的精确表达式。

    May, 2023

  • 动态环境下移动机器人的马尔可夫定位

    本文介绍了一种针对动态环境的 Markov 定位算法，它能够在表征机器人环境中所有位置的概率密度的基础上精确地确定机器人的位置，并且能够从弱化的环境模型和嘈杂的传感器中恢复定位。

    Jun, 2011

  • 使用 LiDAR 的预测处理进行机器人定位和导航

    用基于预测处理的感知方法，在不需要编码器读数的情况下，通过对激光传感器的自监督学习，实现了机器人的定位和导航，并通过随机梯度下降对变分自由能的边界进行在线状态估计和导航。

    Sep, 2021

  • 自主机器人的鲁棒验证的贝叶斯学习

    利用 Bayesian learning 的框架进行 runtime verification，以验证在不确定环境中执行的关键任务的自主机器人，将这些方法应用于水下基础设施的检查和维修的自主机器人任务的验证案例研究中。

    Mar, 2023

  • 机器人中估计不确定的空间关系

    提出一种叫做随机地图的空间信息表示方法，通过建立、读取、增量更新等过程实现不确定空间关系的概率估计。这种方法基于状态估计和滤波理论，具有广泛的扩展性。

    Mar, 2013

  • 目标定位任务中的不确定性校准

    应用于自动驾驶和手术机器人等许多安全关键应用中，从对象检测模块获取预测不确定性以帮助支持安全决策是可取的。本文中我们介绍了一种方法用于解决单个对象定位任务的边界框的不确定性问题。我们使用现有技术来校准回归模型，实验表明所得出的校准模型得到了更可靠的不确定性估计。

    Nov, 2018

  • 基于预测编码的自适应机器人身体学习和估计

    该研究提出了一种计算感知模型，基于预测处理，能够使任何多感官机器人通过使用任意具有高斯加性噪声的传感器来学习、推断和更新其身体配置，从而实现自我校准和安全的人机物理交互。

    May, 2018

  • 空间环境下的近似贝叶斯推理

    该论文介绍了一种基于模型的方法，利用概率推理和深度生成模型的方法，解决在空间环境中的定位、绘图、导航或自主探索等问题，并能够灵活地从数据中学习。该方法在两个不同的模拟环境中表现出了与专业最新方法相当的性能。

    May, 2018

  • 外观机器人自我定位的机器学习

    机器人根据外观自我定位的问题，我们提出了一种基于流形学习和深度学习技术的新的几何动机解决方案，包括估计机器人定位映射和 Kalman 滤波问题的反向映射。

    Jun, 2017