14:45arXiv cs.LG@Kenan Majewski, Marcin Żugaj精选针对无人机在动态环境中面临的遥测中断、结构振动等噪声非平稳问题,传统卡尔曼滤波假设失效。Sage-Husa卡尔曼滤波虽能在线估计噪声统计量,但其静态标量遗忘因子在稳态稳定性和瞬态响应间存在权衡。本文提出NDR-SHKF,用分层循环网络学习向量化的记忆衰减策略,替代标量参数。该网络处理白化新息序列,浅层状态捕捉瞬时异常,深层状态编码持续动态趋势,并通过辅助重构目标防止特征崩溃。在混沌吸引子和真实无人机飞行数据集上的评估表明,该方法在跨域泛化和传感器中断时优于纯数据驱动方法和经典自适应估计器。论文卡尔曼滤波无人机状态估计自适应滤波循环神经网络推荐理由:做无人机状态估计或机器人定位的团队,终于有了一个能自适应噪声变化、在传感器中断时依然可靠的滤波方案,值得在实机测试中尝试。原文
13:27arXiv cs.AI@Jonathan A. Diller, Fernando Cladera, Camillo J. Taylor, Vijay Kumar精选传统无人机自主搜索依赖几何覆盖模式,忽略目标语义,在大规模环境中效率低下。LMPath 提出一种新流程:给定地理围栏和目标描述,先用生成式语言模型判断目标可能出现的区域,再用视觉基础模型对卫星图像分割,形成语义探索先验。基于该先验,可生成多种无人机路径,如最小化预期搜索时间、在有限航程内最大化发现概率,或缩小搜索范围到最可能区域。真实无人机和仿真实验表明,LMPath 生成的路径在搜索任务中显著优于传统规划方法。论文无人机语义搜索路径规划语言模型视觉基础模型推荐理由:无人机搜索终于有了语义理解能力——LMPath 用语言模型和视觉模型替代纯几何覆盖,做搜救、巡检、环境监测的团队可以直接参考,实测效率提升明显。原文