×
德汉·福里;安东尼奥·特兰·埃斯皮诺萨;迈克尔·凯斯;约翰·伦纳德

贝叶斯树上边缘化和增量操作的特征。 （英语） Zbl 1469.68123号

Steven M.Lavalle（编辑）等人，机器人算法基础XIV。第十四届机器人算法基础研讨会论文集。查姆：斯普林格。Springer程序。高级机器人。17, 227-242 (2021).
概要：如果自主感知系统能够在有限/可预测的计算资源内运行，那么它最有用。机器人导航中的现有算法（例如同步定位和映射）使用滤波、固定滞后或增量平滑的概念来寻找可行的推理解决方案。使用因子图作为概率建模语言，我们强调了在等价贝叶斯（连接）树上边缘化操作的重要性。目的是阐明简单的基于树的消息传递规则与上述状态估计方法之间的关系，以及它们与贝叶斯树上直接边缘化之间经常被忽视的关系。我们将固有边缘化操作描述为基本Chapman-Kolmogorov过境积分的一部分，该积分统一了许多最先进的方法。然后使用信念传播模型定义五种主要的树推理策略，涉及计算循环和资源受限操作。一系列示例和结果表明了该方法的通用性。
关于整个系列，请参见[Zbl 1464.68013号].

MSC公司：

68T40型 机器人人工智能

关键词：

本地化;机器人技术;贝叶斯树;连接树;和贝叶斯网络;查普曼-科尔莫戈洛夫过境积分;信仰传播;汇总产品

软件：

iSAM2系统;github;COLAMD公司
PDF格式BibTeX公司 XML格式引用
\textit{D.Fourie}等人，Springer Proc。高级机器人。17、227--242（2021；Zbl 1469.68123）
全文： 内政部

参考文献：

[1] Arnborg，S.，Corneil，D.G.，Proskurowski，A.：在k树中寻找嵌入的复杂性。SIAM J.代数离散方法8（2），277-284（1987）·Zbl 0611.05022号 ·doi:10.1137/0608024
[2] Caesar，J.L.：贡献者和包（2020年）。https://github.com/JuliaRobotics/凯撒.jl
[3] Davis，T.A.，Gilbert，J.R.，Larimore，S.I.，Ng，E.G.：列近似最小度排序算法。ACM事务处理。数学。柔和。30(3), 353-376 (2004) ·Zbl 1073.65039号 ·数字对象标识代码：10.1145/1024074.1024079
[4] Dellaert，F.，Kaess，M.：平方根SAM：通过平方根信息平滑同时定位和映射。机器人国际法。第25（12）号决议，1181-1203（2006）·兹比尔1202.93086 ·doi:10.1177/0278364906072768
[5] Frank，D.、Michael，K.等人：机器人感知的因子图。已找到。机器人趋势。6(1-2), 1-139 (2017)
[6] Fourie，D.：导航型因子图的多模态和惯性传感器解决方案。麻省理工学院和伍兹霍尔海洋研究所博士论文（2017年）
[7] Fourie，D.，Leonard，J.J.，Kaess，M.：贝叶斯树的非参数置信解。参加IEEE/RSJ智能机器人和系统国际会议，IROS，韩国大田（2016）·doi:10.1109/IROS.2016.7759343
[8] Fourie，D.，Teixera，P.V.，Leonard，J.：使用多尺度核密度的非参数混合模型产品。2019年IEEE/RSJ智能机器人和系统国际会议（IROS），第6656-6662页。IEEE（2019）
[9] Frese，U.：树映射：用于同时定位和映射的O（log n）算法。摘自：空间认知国际会议，第455-477页。施普林格，柏林（2004）
[10] Udo，F.，Lutz，S.：结束一百万个里程碑的循环。2006年IEEE/RSJ智能机器人和系统国际会议，第5032-5039页。IEEE（2006）
[11] Groves，P.D.：全球导航卫星系统、惯性和多传感器组合导航系统原理。IEEE航空航天电子系统。马加兹。30(2), 26-27 (2015) ·doi:10.1109/MAES.2014.14110
[12] Heggenes，P.，Matstoms，P.：寻找稀疏QR分解的良好列顺序。林雪平大学数学系（1996年）
[13] Ming，H.，Michael，K.：MH-iSAM2：使用贝叶斯树和Hypo树的多假设iSAM。2019年机器人与自动化国际会议（ICRA），第1274-1280页。IEEE（2019）
[14] Jerry，H.、Ming，H.，Eric，W.、Rafael，V.、Michael，K.：视觉-惯性里程计中的信息稀疏化。2018 IEEE/RSJ智能机器人和系统国际会议（IROS），第1146-1153页IEEE（2018）
[15] Finn，V.J.，Frank，J.：最佳连接树。1994年《不确定性学报》，第360-366页。爱思唯尔（1994）
[16] Kaess，M.，Ila，V.，Roberts，R.，Dellaert，F.：贝叶斯树：概率机器人映射的算法基础。2010年在新加坡WAFR举行的机器人算法基础国际研讨会上·Zbl 1220.68095号
[17] Kaess，M.、Johannsson，H.、Roberts，R.、Ila，V.、Leonard，J.J.、Dellaert，F.：iSAM2：使用贝叶斯树的增量平滑和映射。Int.J.机器人。第31217-236号决议（2012年）·doi:10.1177/0278364911430419
[18] Uffe，K.：贝叶斯网络中使用嵌套连接树的推断。摘自：《图形模型学习》，第51-74页。斯普林格（1998）·Zbl 0920.62036号
[19] Koller，D.，Friedman，N.：概率图形模型：原理和技术。麻省理工学院出版社，马萨诸塞州剑桥（2009）·Zbl 1183.68483号
[20] Kschichang，F.R.，Frey，B.J.，Loeliger，H-A.：因子图和和积算法。IEEE传输。通知。理论，47（2）（2001）·Zbl 0998.68234号
[21] Leonard，J.，Durrant-Whyte，H.F.：自动移动机器人的同步地图构建和定位。摘自：IEEE智能机器人和系统国际研讨会论文集，第1442-1447页，日本大阪（1991）
[22] Mu，B.，Paull，L.，Agha-mohammadi，A.，Leonard，J.，How，J.：资源约束最小碰撞导航的两阶段集中推理。IEEE传输。机器人33（1），124-140（2017）·doi:10.1109/TRO.2016.2623344
[23] Paskin，M.A.：同时定位和映射的薄连接树过滤器。收录于：国际人工智能联合会议，第1157-1164页，Morgan Kaufmann Publishers Inc，San Francisco，CA，USA（2003）
[24] Pearl，J.：贝叶斯网络。加州大学洛杉矶分校统计部（2011年）·Zbl 0859.68056号
[25] Ranganathan，A.，Kaess M.，Dellaert，F.：Loopy SAM。摘自：国际人工智能联合会议，第2191-2196页，印度海得拉巴（2007）
[26] 谢尔顿，M.R.：概率模型简介。学术出版社（2014）·兹比尔1284.60002
[27] Aleksandr，V.S.，Ian，D.R.：鲁棒姿态图估计的混合推理优化。2014年IEEE/RSJ智能机器人和系统国际会议（IROS 2014），第2675-2682页。IEEE（2014）
[28] Robert，E.T.，Mihalis，Y.：简单的线性时间算法，用于测试图的弦性，测试超图的非循环性，并选择性地减少非循环超图。SIAM J.计算。13(3), 566-579 (1984) ·Zbl 0545.68062号 ·数字对象标识代码：10.1137/0213035
[29] Walter，M.R.、Eustice，R.M.、Leonard，J.J.：基于特征的SLAM的精确稀疏扩展信息过滤器。国际机器人学研究杂志26（4），335-359（2007）·数字对象标识代码：10.1177/0278364906075026
[30] Yair，W.，William，T.F.：任意拓扑高斯图形模型中信念传播的正确性。《神经信息处理系统进展》，第673-679页（2000年）
[31] Williams，S.、Indelman，V.、Kaess，M.、Leonard，J.J.、Roberts，R.、Dellaert，F.：并行滤波和平滑：用于实时导航和完全平滑的并行架构。国际J机器人。第33（12）号决议，1544-1568（2014）·doi:10.1177/0278364914531056
[32] Musoff，H.，Zarchan，P.：卡尔曼滤波的基本原理：一种实用方法。美国航空航天研究所（2009）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。