日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

状態推定arXiv:2611.22518

状態依存乗法ノイズに対応した多変量フィードバック粒子フィルタと姿勢・位置推定への応用

The Multivariate Feedback Particle Filter for State-dependent Multiplicative Noises and Its Application to Attitude and Pose Estimations

シェア:XThreadsFacebookLINEはてブBluesky

状態依存の乗法性測定ノイズに対処するため、測定共分散を粒子重みに取り込む分解型フィードバック粒子フィルタ(FPF-DM)を提案し、クォータニオン・デュアルクォータニオン上で姿勢追従と点群位置合わせに応用した。

詳しい要約

1. どんなもの?

- 本論文は、状態依存の乗法的測定ノイズ(state-dependent multiplicative measurement noise)を伴う非線形フィルタリング問題に対する新しいフィルタ FPF-DM を提案する。 - Feedback Particle Filter (FPF) を対象問題に適合させるための分解スキーム(decomposition scheme)であり、宇宙機の姿勢決定(attitude determination)やロボティクスの姿勢推定(pose estimation)を動機とする。 - 具体的には quaternion 多様体上の姿勢追従(attitude tracking)と dual-quaternion 多様体上の point-cloud registration にインスタンス化している。

2. 先行研究と比べてどこがすごい?

- 先行の分解手法は加法的ノイズ(additive noise)と多項式測定モデル(polynomial measurement models)を前提としていた。 - 本手法は、状態依存の乗法的ノイズが多項式仮定を破り、重み付き Poisson 方程式に対する Hermite spectral backward recursion を妨げるという主要な困難を解決する点が新しい。 - 非一様重み付き混合(non-uniformly weighted mixtures)へ分解を一般化し、ゲインの閉形式計算(closed-form gain computation)を可能にした点が先行研究との差分。

3. 技術・手法の肝は?

- 測度変換(measure transformation)と重要度再重み付け(importance reweighting)により、逆測定共分散(inverse measurement covariance)を粒子重みに組み込む。 - フィードバックゲインを再スケーリングして Poisson 方程式を多項式形に復元する。 - 分解を非一様重み付き混合へ一般化し、ゲインを閉形式で計算する。 - quaternion および dual-quaternion 多様体上にインスタンス化する。

4. どうやって有効だと検証した?

- 4D の attitude tracking と 8D の point-cloud registration のシミュレーションで検証している。 - インスタンス化したフィルタは 10 粒子のみで、baseline filters と比較して精度と計算性能の両面で優れることを示した。

5. 議論はある?

- 要旨からは不明(シミュレーションのみで実機実験や限界・失敗ケースに関する議論は要旨に記載がない)。

6. 次に読むべき論文は?

- 先行の分解手法(additive noise・polynomial measurement models を扱う prior decomposition techniques)。 - Feedback Particle Filter (FPF) の原論文。 - Hermite spectral backward recursion や weighted Poisson's equation に関する研究。 - quaternion / dual-quaternion を用いた attitude estimation・point-cloud registration の関連研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Jingyao You, Xue Luo

分類: cs.RO, math.OC

原文アブストラクト

Nonlinear filtering with state-dependent multiplicative measurement noise poses a notable challenge for spacecraft attitude determination and robotic pose estimation. This work develops the FPF-DM, a decomposition scheme for feedback particle filters tailored to this family of filtering problems. Extending prior decomposition techniques for additive noise and polynomial measurement models, the proposed method resolves the key difficulty that state-dependent multiplicative noise breaks the polynomial assumption and prevents Hermite spectral backward recursion for the weighted Poisson's equation. By measure transformation and importance reweighting, we incorporate the inverse measurement covariance into particle weights and rescale the feedback gain to restore the polynomial-form Poisson's equation, with the decomposition generalized to non-uniformly weighted mixtures for closed-form gain computation. This general FPF-DM is instantiated on quaternion and dual-quaternion manifolds for attitude tracking and point-cloud registration. Simulations on 4D attitude tracking and 8D point-cloud registration verify that the instantiated filters using only 10 particles achieve superior accuracy and computational performance relative to baseline filters.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  4. 4SoftBank主導、Agile Robotsが5億ドル調達 NVIDIAと日立も参加資金調達
  5. 5パナソニックHD、「現場起点のPhysical AI」の研究開発加速を発表研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI