1. Модель гауссовой смеси с учетом неопределенности для локализации разницы во времени СШП в загроможденных средах (arXiv)

Автор: Вэнда Чжао, Абхишек Гудар, Минлян Тан, Синьюань Цяо, Анжела П. Шёллиг.

Аннотация: Сверхширокополосная (UWB) локализация на основе разницы во времени прибытия (TDOA) стала недорогим и масштабируемым решением для позиционирования внутри помещений. Однако в загроможденной среде эффективность локализации на основе UWB TDOA ухудшается из-за смещенного и негауссовского распределения шума, вызванного препятствиями. В этой работе мы представляем двухуровневый алгоритм совместной локализации и обучения модели шума, основанный на оптимизации, для решения этой проблемы. В частности, мы используем модель гауссовой смеси (GMM) для аппроксимации распределения шума измерений. Мы явно включаем неопределенность предполагаемого состояния в обучение модели шума GMM, называемое GMM с учетом неопределенности, чтобы улучшить как моделирование шума, так и производительность локализации. Сначала мы оцениваем эффективность обучения и локализации модели шума GMM в многочисленных сценариях моделирования. Затем мы продемонстрируем эффективность нашего алгоритма в обширных реальных экспериментах с использованием двух разных загроможденных сред. Мы показываем, что наш алгоритм обеспечивает точные оценки местоположения с помощью недорогих датчиков СШП, отсутствия предварительных знаний о препятствиях в пространстве и перекрытия значительного количества СШП-радиостанций.

2. GIRA: модели гауссовой смеси для вывода и автономности роботов (arXiv)

Автор : Кшитидж Гоэль, Венни Табиб

Аннотация: Масштабное развертывание групп роботов затруднено необходимостью обмена перцептивной информацией высокого разрешения по каналам связи с низкой пропускной способностью. Роботы с ограниченным размером, весом и мощностью полагаются на модели окружающей среды для оценки навигационных возможностей и безопасного перемещения в неструктурированной и сложной среде. Современные структуры восприятия создают эти модели с помощью множества разрозненных конвейеров, которые повторно используют одни и те же базовые данные датчиков, что приводит к увеличению объема вычислений, избыточности и сложности. Чтобы восполнить этот пробел, в данной статье представлена ​​GIRA — платформа с открытым исходным кодом для компактного моделирования окружающей среды с высоким разрешением с использованием моделей гауссовой смеси (GMM). GIRA предоставляет фундаментальные возможности робототехники, такие как высокоточная реконструкция, оценка позы и моделирование занятости в одном непрерывном представлении.