- CVPR从上方观察群体动态:一种无人机视频高级目标跟踪框架
利用传统概率方法和语义对象分割的先进技术,通过跟踪鱼群在世界坐标系中的位置和空间扩展,结合视频数据和无人机上的传感器信息,从而实现对鱼群行为的长期分析。
- 提升触觉互联网远程机器人手术的精确性:卡尔曼滤波方法
基于卡尔曼滤波的计算效率高的位置估计方法在遥操作手术任务中准确估计病人边侧机械臂的位置是一个重要挑战,尤其在触觉互联网(TI)环境下。本文利用 JIGSAW 数据集和 Master Tool Manipulator 的输入来学习机械臂系统模 - 深度贝叶斯滤波在贝叶斯可信数据同化中的应用
提出了用于非线性状态空间模型的深度贝叶斯滤波(DBF)方法,通过构建新的潜在变量并利用高斯逆观测算子进行数据同化,使得 DBF 的后验分布始终保持高斯性质,克服了采样误差积累的问题,并在各种任务和条件下优于基于模型和潜在同化方法。
- STT: 自动驾驶的具有状态的变形器跟踪
通过使用 Transformer 模型,本文提出一种名为 STT 的有状态跟踪模型,它能够可靠地跟踪三维空间中的对象,并精确预测它们的状态,以确保自动驾驶的安全。通过消耗检测历史记录中的丰富外观、几何和运动信号,STT 在数据关联和状态估计 - 高维无重采样粒子滤波器
在高维状态空间中,粒子滤波器面临着粒子匮乏等挑战,本文介绍了一种新的无重采样粒子滤波器,通过放弃传统的重采样步骤来缓解粒子匮乏问题,确保了更广泛和多样化的粒子集,特别适用于高维场景。在理论上,我们的滤波器在高维环境中提供了接近准确的后验分布 - 基于可微粒子滤波器的正规化流
该研究使用 (条件) 归一化流构建动态模型、提议分布和测量模型,提出了一种不同 iable 粒子滤波框架,并通过一系列数值实验评估了该方法的性能。
- OptiState: 采用具有基于 Transformer 的视觉和卡尔曼滤波的门控网络对四足机器人进行状态估计
通过在四足机器人上评估,我们提出了一种混合解决方案,通过结合本体感知和外部感知信息,利用 Kalman 滤波、优化和基于学习的模态,对机器人躯干状态进行估计,从而实现准确的机器人状态估计,并减少传感器测量和模型简化带来的非线性误差。
- 基于数据驱动的非线性模型约简:Koopman 理论、综合控制形式与 NMPC 案例研究
我们使用 Koopman 理论对带控制的非线性动力学系统进行数据驱动的模型简化。我们提出了将延迟坐标编码和完全状态解码相结合的通用模型结构,以整合简化的 Koopman 建模和状态估计。我们提出了一种深度学习方法来训练所提出的模型。一项案例 - 基于变分优化的联合状态估计与噪声识别
通过将系统状态和噪声参数的联合估计转化为优化问题,提出了一种基于共轭 - 计算变分推理(CVIAKF)的新型自适应卡尔曼滤波器方法,用于近似潜变量的联合后验概率密度函数。与现有的自适应卡尔曼滤波器方法不同的是,CVIAKF 在期望参数空间中 - 带有噪声状态观测的马尔可夫决策过程
通过建模不确定性来解决马尔可夫决策过程(MDPs)中一类特定的嘈杂状态观测问题,提出了两种新的算法方法,一种是用于有限时间窗口内有效噪声估计的二阶重复动作方法,另一种是一组贝叶斯算法,通过模拟实验证实了这些方法在不同场景下尤其在具有不同稳定 - 基于无精度卡尔曼滤波的数据驱动式水网泄漏定位的节点液压头估计
基于无味卡尔曼滤波器的节点水力头估计方法在水配网中应用于泄漏定位,通过考虑预测模型、可用压力和需求测量,优化初始水力状态的估计,并通过动态更新预测函数权重矩阵提高方法的性能测试结果显示该方法在增强状态估计与数据驱动泄漏定位方面的有效性。
- 基于估计器耦合的强化学习用于稳定纯触觉手内操纵
通过训练过程中将控制策略与状态估计器耦合,本文解决了将强化学习控制器和状态估计器简单组合的问题,实现了对具有挑战性的纯触觉、目标条件、手部重新定位任务的高性能,同时保持比端到端策略学习更好的可解释性优势。
- 基于物理信息的神经网络加速电力系统状态估计
通过物理信息神经网络(PINNs)整合物理规律的先验知识,本研究提出了一种新颖的方法用于加速电力系统状态估计,以监测电力系统的运行情况。该方法在保持高准确性的同时,显著降低了状态估计的计算复杂性,实验证明其准确度提高了 11%,结果的标准偏 - 基于物理驱动的机器学习模型用于修正反演估计
当在科学工程 (SAE) 领域中部署机器学习估计器时,本文关注于使用模拟和性能指标来检测和修正失败的状态估计,以避免在 SAE 逆问题中带来灾难性的影响,并提出了一种名为 GEESE 的新方法,通过优化来纠正估计,旨在同时提供低误差和高效率 - 异常值不敏感卡尔曼滤波:理论与应用
从有噪音观测数据中对动态系统进行状态估计是许多应用中的一个基本任务。本文介绍了一种无参数算法,通过简短的迭代过程对 Kalman 滤波器的标准更新步骤进行在线估计,从而减轻观测数据中异常值的有害影响。仿真和实地实验评估证明了我们的方法在滤波 - 基于动态期望最大化的彩色噪声下自适应噪声协方差估计
通过脑启发算法准确适应地估计动态系统中受彩色噪声干扰的噪声协方差矩阵,并实现在线噪声协方差和状态估计,优于其他九种基准方法。
- 多视惯导系统:分析、校准与估计
通过多传感器的数据融合,本文研究了多视觉惯性系统的状态估计和校准问题,并提出了一种新型解决方案,取得了较好的准确性和收敛性。
- 水下视觉单目 SLAM 挑战的调查研究
本文系统研究了单目视觉同时定位与地图构建方法在水下机器人中应用时所遇到的挑战,并探讨了环境条件对算法表现的影响,同时提出了图像增强技术来提高在极端光照和低能见度条件下的算法准确性和鲁棒性。
- 基于深度学习的 MCMC 用于热网概率状态估计
这篇论文提出一种使用马尔可夫蒙特卡罗采样和深度神经网络来估计柔性区域能源网格的概率状态分布的方法,从而实现更高效的对温度和压力的控制和更加安全的网格运营。
- 基于物理插值的学习字典用于水网泄漏定位
使用基于状态估计和学习的泄漏定位方法,利用水力头之间的物理相互关系和残差插值,比较新插值方法和现有方法在定位误差和后验误差方面的改进。