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
11:20arXiv cs.LG@Michael Baumgartner, David Müller, Agon Serifi, Ruben Grandia, Espen Knoop, Markus Gross, Moritz Bächer精选足式机器人在高速动态运动中的状态估计仍具挑战,传统方法依赖二元接触状态,无法处理部分接触或方向性滑移。本文提出 CoCo-InEKF,一种可微不变扩展卡尔曼滤波器,用连续接触速度协方差替代二元接触状态,通过轻量神经网络端到端学习这些协方差,动态调整接触置信度。该方法无需启发式真值接触标签,并引入自动接触候选点选择流程。在双足机器人上的实验表明,CoCo-InEKF 在线性速度估计上实现了更优的精度-效率权衡,并改善了滤波器一致性,支持跳舞、复杂地面交互等挑战性运动。论文状态估计足式机器人扩展卡尔曼滤波接触协方差双足机器人推荐理由:做足式机器人运动控制的团队终于有了一个能处理滑移和部分接触的状态估计方案——CoCo-InEKF 用学习协方差替代硬接触开关,实测支持跳舞等高动态动作,值得在真实机器人上试试。原文