Multi-sensor fusion localization framework using UKF-LSTM with Multiple Model Adaptive Estimation

Sai Li

doi:10.1016/j.robot.2026.105491

Multi-sensor fusion localization framework using UKF-LSTM with Multiple Model Adaptive Estimation

2026-04-28

0

PRE

AI

DOI：10.1016/j.robot.2026.105491

原文链接

原文求助

摘要

En 中文

在时变传感器不确定性的情况下，移动机器人的精确定位仍然具有挑战性，其中单个传感模式表现出互补但非完美的特性。传统的滤波或基于学习的方法在测量质量随时间变化时往往难以保持鲁棒性。为解决此问题，本文提出了一种混合多传感器融合框架，结合基于学习的误差补偿与基于模型的状态估计。该方法整合了基于LSTM的位置观测校正、双层多模型自适应估计（MMAE）结构以及基于UKF的精化机制，能够自适应处理变化的不确定性条件。在Gazebo环境中的仿真结果表明，所提出的方法在多个噪声水平下，与独立的UKF和LSTM方法相比，持续提高了定位精度，实现了8.8%至49.6%的RMSE降低。性能增益在中等和严重噪声条件下更为显著，此时单模型方法效果较差。

Keyword:

Localization

Multi-sensor fusion

LSTM

UKF

Adaptive estimation

Multi-sensor fusion localization framework using UKF-LSTM with Multiple Model Adaptive Estimation

摘要

期刊

机构

引用论文