Estimation-Aware Trajectory Optimization with Set-Valued Measurement Uncertainties

要約

この論文では、測定 (出力) の不確実性が状態に依存し、設定値に依存するシナリオで推定を意識した軌道を生成するための、最適化ベースのフレームワークを紹介します。
このフレームワークは、設定値出力マップの規則性の概念を利用します。
具体的には、出力正規マップの場合、有限地平線状態の軌道に対して凹型である設定値の可観測性尺度を利用できることを示します。
この尺度を最大化することにより、局所的に線形化されたダイナミクスを含む幅広いクラスのシステムに対して、最適化された推定を意識した軌道を設計できます。
提案されたアプローチの有効性を説明するために、ビジョンベースの推定のための軌道計画のコンテキストで代表的な例を示します。
自我衛星上の機械学習 (ML) ベースの推定モジュールを使用する、非協力的なターゲット追跡問題に対する推定を意識した軌道を提示します。

要約(オリジナル)

In this paper, we present an optimization-based framework for generating estimation-aware trajectories in scenarios where measurement (output) uncertainties are state-dependent and set-valued. The framework leverages the concept of regularity for set-valued output maps. Specifically, we demonstrate that, for output-regular maps, one can utilize a set-valued observability measure that is concave with respect to finite-horizon state trajectories. By maximizing this measure, optimized estimation-aware trajectories can be designed for a broad class of systems, including those with locally linearized dynamics. To illustrate the effectiveness of the proposed approach, we provide a representative example in the context of trajectory planning for vision-based estimation. We present an estimation-aware trajectory for an uncooperative target-tracking problem that uses a machine learning (ML)-based estimation module on an ego-satellite.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google