Resumen

La autolocalización es una habilidad básica para los robots móviles en entornos dinámicos. Suele modelarse como un problema de estimación de estado para un sistema no lineal con ruido no gaussiano y requiere un procesamiento en tiempo real. El filtro de partículas no acentuado (UPF) puede manejar el problema de estimación de estado para sistemas no lineales con ruido no Gaussiano; sin embargo, el cálculo del UPF es muy alto. Con el fin de reducir el coste computacional del UPF y mientras tanto mantener la precisión, proponemos un algoritmo de filtro de partículas no acentuado adaptativo (AUPF) a través de la entropía relativa. El AUPF puede ajustar de forma adaptativa el número de partículas durante el filtrado para reducir el cálculo necesario y, por tanto, mejorar la capacidad en tiempo real del UPF. En AUPF, la entropía relativa se utiliza para medir la distancia entre la distribución empírica y la verdadera distribución posterior. El número mínimo de partículas para el siguiente paso se decide en función de la entropía relativa. Para compensar la diferencia entre la distribución propuesta y la distribución verdadera, el número mínimo se ajusta a continuación. Se demuestra el rendimiento ideal de AUPF en la autolocalización de robots reales.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:problema de estimación de estado, entropía relativa, upf, ruido gaussiano, número mínimo, sistema no lineal, filtro de partículas no perfumado adaptativo, filtro de partículas no perfumado, yo robot real, distribución posterior verdadera
• Keywords:state estimation problem, relative entropy, upf, gaussian noise, least number, nonlinear system, adaptive unscented particle filter, unscented particle filter, real robot self, true posterior distribution