.png){kind=icon}
返回
Constructibility and Reachability-Based Optimal Information-Aware Motion Generator
.png){kind=icon}
PRE
AI
DOI：10.1109/TCST.2026.3690758.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖的框架，用于解决一个在线、信息感知的最优控制问题，该问题旨在最大化完成任务所需间歇性噪声传感器数据的信息量，同时最小化执行和过程噪声对上述信息的有害影响。我们方法的核心是开发基于三个基本系统理论构造的新定量指标：可构造性格兰姆矩阵（CG）、可达性格兰姆矩阵（RG）和交叉格兰姆矩阵（XG）。CG捕捉传感器测量提供的信息质量和数量，RG衡量由于控制与系统动态中的噪声影响而导致的信息损失，而XG将这两个方面整合为系统内信息流的统一表示。为验证我们的方法，我们与两种当前最先进的基准方法进行了广泛的比较研究。评估包括模拟差分驱动机器人在不同执行噪声水平下，使用噪声传感器数据估计其未知位置的任务。我们的结果经统计分析支持，表明我们提出的指标持续产生更高的信息增益和更准确的状态估计。此外，我们通过Turtlebot 4平台上的实时实验测试强化了我们的发现，突显了该方法在实际机器人应用中的实际有效性。
Keyword:
Optimal control
trajectory planning
sensing
期刊
IF:
3.9
论文数:
4.9K
被引数:
1.7W
机构
引用论文
暂无论文信息