Continuous-Time State Estimation Methods in Robotics: A Survey

要約

さまざまなプラットフォームと複雑さのタスクが成長し続けているため、ロボット工学では、正確で効率的で堅牢な状態推定がこれまで以上に重要です。
歴史的には、離散時間フィルターとスムーザーが支配的なアプローチであり、推定変数は離散サンプル時間の状態です。
連続時間状態推定のパラダイムは、状態を時間の連続関数として表現する変数を推定することにより、代替戦略を提案します。
これは、計画や制御などの下流のタスクに利益をもたらすだけでなく、推定器のパフォーマンスと柔軟性を大幅に向上させるとともに、センサーの前処理とインターフェースの複雑さを減らします。
それにもかかわらず、継続的な時間は、ロボット工学内であまり知られていないため、継続的な時間は十分に活用されていないままです。
これを改善するために、この作業は、これらの方法の統一定式化と、これまでの最も徹底的な文献レビューを提示し、方法論、アプリケーション、状態変数、歴史的文脈、およびフィールドへの理論的貢献によって以前の研究を体系的に分類します。
スプラインとガウスのプロセスを一緒に調査し、他の研究ドメインからの作品を文脈化することにより、この作業は継続的な状態推定で開かれた問題を特定して分析し、新しい研究の方向性を示唆しています。

要約(オリジナル)

Accurate, efficient, and robust state estimation is more important than ever in robotics as the variety of platforms and complexity of tasks continue to grow. Historically, discrete-time filters and smoothers have been the dominant approach, in which the estimated variables are states at discrete sample times. The paradigm of continuous-time state estimation proposes an alternative strategy by estimating variables that express the state as a continuous function of time, which can be evaluated at any query time. Not only can this benefit downstream tasks such as planning and control, but it also significantly increases estimator performance and flexibility, as well as reduces sensor preprocessing and interfacing complexity. Despite this, continuous-time methods remain underutilized, potentially because they are less well-known within robotics. To remedy this, this work presents a unifying formulation of these methods and the most exhaustive literature review to date, systematically categorizing prior work by methodology, application, state variables, historical context, and theoretical contribution to the field. By surveying splines and Gaussian processes together and contextualizing works from other research domains, this work identifies and analyzes open problems in continuous-time state estimation and suggests new research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google