#論文# T-RO 2023| 使用庫(kù)普曼線性化以及數(shù)據(jù)驅(qū)動(dòng)的批量定位和SLAM 【Data-Driven Batch Localization and SLAM Using Koopman Linearization】 文章鏈接：[2309.04375] Data-Driven Batch Localization and SL... 作者單位：多倫多大學(xué)、麥吉爾大學(xué)（加拿大） 我們提出了一個(gè)無(wú)模型批量定位和SLAM的框架。我們使用提升函數(shù)將控制仿射系統(tǒng)映射到高維空間，其中過(guò)程模型和測(cè)量模型都被渲染為雙線性。在訓(xùn)練過(guò)程中，我們使用真實(shí)數(shù)據(jù)求解一個(gè)最小二乘問(wèn)題，以純粹從數(shù)據(jù)中計(jì)算與提升系統(tǒng)相關(guān)的高維模型矩陣。在推理時(shí)，我們通過(guò)一個(gè)優(yōu)化問(wèn)題來(lái)解決未知的機(jī)器人軌跡和路標(biāo)，其中引入了約束，以保持解在提升函數(shù)的流形上。使用序列二次規(guī)劃( SQP )有效地解決了該問(wèn)題，其中SQP迭代的復(fù)雜度與時(shí)間步數(shù)呈線性比例關(guān)系。 我們的算法，稱為Reduced Constrained庫(kù)普曼Linearization Localization ( RCKL-Loc )和Reduced Constrained庫(kù)普曼Linearization SLAM ( RCKL-SLAM )，在仿真和兩個(gè)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證：一個(gè)是在裝有激光測(cè)距儀的室內(nèi)移動(dòng)機(jī)器人上測(cè)量到圓柱路標(biāo)的距離，另一個(gè)是在裝有RFID測(cè)距傳感器的高爾夫球車上。 我們將RCKL - Loc和RCKL - SLAM與經(jīng)典的基于模型的非線性批量估計(jì)進(jìn)行了比較。與基于模型的方法相比，RCKLLoc和RCKL - SLAM具有相似的性能，但當(dāng)先驗(yàn)?zāi)Ｐ筒煌晟茣r(shí)，它們的性能優(yōu)于基于模型的方法，表明了所提出的數(shù)據(jù)驅(qū)動(dòng)技術(shù)的潛在優(yōu)勢(shì)。