Moving Horizon Estimation for Simultaneous Localization and Mapping with Robust Estimation Error Bounds

要約

この論文では、同時位置特定とマッピング (SLAM) 問題を解決するための、証明可能な推定誤差限界を備えたロバストな移動地平線推定 (MHE) アプローチを紹介します。
システム全体の検出可能性に直接影響するランドマークの可視性が限られている場合でも、エゴ状態推定の堅牢な安定性とランドマーク位置推定の限界誤差を保証するのに十分な条件を導き出します。
これは、エゴ状態とランドマークの位置の MHE 更新を切り離し、必要な検出可能条件が満たされた場合にのみ個々のランドマークの更新を可能にすることで実現されます。
分離された MHE 構造により、ランドマーク更新の並列化も可能になり、計算効率が向上します。
代表的な SLAM センサー構成に関して、エゴ状態の検出可能性やランドマーク測定モデルのリプシッツ連続性などの重要な仮定について説明し、距離測定モデルの合理化された方法を紹介します。
シミュレーション結果は検討した方法を検証し、その有効性とノイズに対する堅牢性を強調します。

要約(オリジナル)

This paper presents a robust moving horizon estimation (MHE) approach with provable estimation error bounds for solving the simultaneous localization and mapping (SLAM) problem. We derive sufficient conditions to guarantee robust stability in ego-state estimates and bounded errors in landmark position estimates, even under limited landmark visibility which directly affects overall system detectability. This is achieved by decoupling the MHE updates for the ego-state and landmark positions, enabling individual landmark updates only when the required detectability conditions are met. The decoupled MHE structure also allows for parallelization of landmark updates, improving computational efficiency. We discuss the key assumptions, including ego-state detectability and Lipschitz continuity of the landmark measurement model, with respect to typical SLAM sensor configurations, and introduce a streamlined method for the range measurement model. Simulation results validate the considered method, highlighting its efficacy and robustness to noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google