Continuous-Time State Estimation Methods in Robotics: A Survey

要約

プラットフォームの多様性とタスクの複雑さが増大し続けるにつれて、ロボット工学においては、正確、効率的、かつ堅牢な状態推定がこれまで以上に重要になっています。
歴史的には、離散時間フィルターとスムーザーが主流のアプローチであり、推定変数は離散サンプル時間での状態になります。
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で代替戦略を提案します。この変数は、任意のクエリ時間に評価できます。
これは、計画や制御などの下流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、センサーの前処理とインターフェイスの複雑さを軽減します。
それにもかかわらず、連続時間手法はロボット工学の分野であまり知られていないことが原因で、依然として十分に活用されていません。
これを改善するために、この研究では、これらの方法の統一的な定式化と、これまでで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、歴史的背景、およびこの分野への理論的貢献によって以前の研究を系統的に分類しています。
この研究は、スプラインとガウス過程を一緒に調査し、他の研究領域の研究を文脈化することによって、連続時間状態推定における未解決の問題を特定および分析し、新しい研究の方向性を提案します。

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