状態推定2026/9/11arXiv:2609.12328

反復等変フィルタ

The Iterative Equivariant Filter

等変フィルタの更新ステップをガウス・ニュートン法による反復計算に置き換え、移動ロボットの距離ベース自己位置推定で性能向上を実証した論文。

詳しい要約

1. どんなもの？

- 本論文は、Iterative Equivariant Filter (IterEqF) を提案する。 - IterEqF は、Iterative Extended Kalman Filter (IterEKF) の反復補正ステップと、Equivariant Filter (EqF) の対称性を利用した状態推定を組み合わせたフィルタである。 - 移動ロボットの range-based localisation に適用され、特に過渡的な収束時において標準的な EqF よりも性能が向上することを示す。

2. 先行研究と比べてどこがすごい？

- 先行研究の IterEKF は、EKF の補正ステップを Gauss-Newton 法による非線形重み付き最小二乗問題の反復解法に置き換えることで性能を向上させた。 - EqF は、homogeneous spaces や Lie groups 上での状態推定問題の対称性を活用する。 - IterEqF は、これら両方の特徴を組み合わせ、ナビゲーション問題に適した高性能な状態推定を実現する点が新しい。 - 標準的な EqF と比較して、特に過渡的な収束時における性能改善が示されている。

3. 技術・手法の肝は？

- IterEqF の更新ステップの反復手順を導出する。 - このアプローチの本質的な非線形性により、フィルタの共分散が新しい座標系に自然に「リセット」されることを示す。 - 具体的な反復手順やリセットの詳細は要旨からは不明。

4. どうやって有効だと検証した？

- 移動ロボットの range-based localisation に対する Monte-Carlo シミュレーションを実施。 - 標準的な EqF と比較して、特に過渡的な収束時における性能改善を確認。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- Iterative Extended Kalman Filter (IterEKF) - Equivariant Filter (EqF) - 関連手法として、Gauss-Newton 法、非線形重み付き最小二乗問題、homogeneous spaces、Lie groups 上の状態推定に関する研究が挙げられる。

※ 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: Pieter van Goor, James Richard Forbes

分類: eess.SY, cs.RO

原文アブストラクト

This paper presents the iterative equivariant filter (IterEqF). The iterative extended Kalman filter (IterEKF) replaces the standard EKF correction step with an iterative correction step that is the Gauss-Newton solution to a nonlinear weighted least squares problem. The standard equivariant filter (EqF) exploits and respects the underlying symmetry of state estimation problems posed on homogeneous spaces and Lie groups. The motivation behind the IterEqF is to combine the features of both the IterEKF and the EqF, thus leading to a high-performance state estimation solution that is well suited to navigation problems. This paper derives the iteration procedure for the IterEqF update step and shows how the intrinsic nonlinearity of the approach naturally results in a `reset' of the filter's covariance into new coordinates. Monte-Carlo simulations of range-based localisation for a mobile robot demonstrate the improvement in performance relative to a standard EqF, especially during the transient convergence.

arXivで原文を読む →arXiv概要ページ