arXiv Robotics· Lukas Lao Beyer, Samvit Das, Sertac Karaman·· 5 小时前AI 评分31
用生成式轨迹模型做粒子滤波：面向状态估计与控制
Particle Filtering with Generative Trajectory Models for State Estimation and Control
AI 导读
研究在不修改预训练扩散模型的前提下，用粒子滤波维护多条状态历史假设，由单个预训练扩散模型生成假设、预测观测与动作提议，并按预测观测与实测的匹配度重加权粒子。权重不仅用于状态估计，也用于引导动作选择，偏向更能解释观测的假设所对应的提议。在部分可观测导航与基于视觉的操作仿真实验中，同一预训练模型、无额外测试时信息的情况下，状态估计与任务表现均优于不做滤波的动作生成。
推荐理由模型分析
该研究不改动预训练扩散模型，仅通过粒子滤波维护多个状态历史假设，并用观测匹配权重同时引导状态估计与动作选择。在部分可观测导航和视觉操作仿真中，同一模型下优于无滤波的动作生成，为机器人推理阶段复用生成模型提供了可比较的基线，但结论限于仿真环境。
来源：arXiv Robotics · arxiv.org