論文の概要: Resampling-free Particle Filters in High-dimensions

• arxiv url: http://arxiv.org/abs/2404.13698v1
• Date: Sun, 21 Apr 2024 15:53:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-23 17:52:05.979823
• Title: Resampling-free Particle Filters in High-dimensions
• Title（参考訳）: 高次元におけるリサンプリングフリー粒子フィルタ
• Authors: Akhilan Boopathy, Aneesh Muppidi, Peggy Yang, Abhiram Iyer, William Yue, Ila Fiete,
• Abstract要約: 高次元状態空間では、粒子フィルタは真の後部分布の正確な表現を妨げる「粒子除去」のような課題に直面している。 本稿では, 従来の再サンプリング工程を省くことにより, 粒子除去を緩和する新しい再サンプリングフリー粒子フィルタを提案する。 理論的には,提案したフィルタは,高次元文脈における所望の後方分布のほぼ正確な表現を提供する。
• 参考スコア（独自算出の注目度）: 8.878254892409005
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State estimation is crucial for the performance and safety of numerous robotic applications. Among the suite of estimation techniques, particle filters have been identified as a powerful solution due to their non-parametric nature. Yet, in high-dimensional state spaces, these filters face challenges such as 'particle deprivation' which hinders accurate representation of the true posterior distribution. This paper introduces a novel resampling-free particle filter designed to mitigate particle deprivation by forgoing the traditional resampling step. This ensures a broader and more diverse particle set, especially vital in high-dimensional scenarios. Theoretically, our proposed filter is shown to offer a near-accurate representation of the desired posterior distribution in high-dimensional contexts. Empirically, the effectiveness of our approach is underscored through a high-dimensional synthetic state estimation task and a 6D pose estimation derived from videos. We posit that as robotic systems evolve with greater degrees of freedom, particle filters tailored for high-dimensional state spaces will be indispensable.
• Abstract（参考訳）: 状態推定は、多数のロボットアプリケーションの性能と安全性に不可欠である。 推定手法の組の中で、粒子フィルタは非パラメトリックな性質から強力な解として認識されている。 しかし、高次元状態空間では、これらのフィルターは真の後部分布の正確な表現を妨げる「粒子除去」のような課題に直面している。 本稿では, 従来の再サンプリング工程を省略して, 粒子除去を緩和する新しい再サンプリングフリー粒子フィルタを提案する。 これにより、より広く、より多様な粒子集合、特に高次元シナリオにおいて不可欠となる。 理論的には,提案したフィルタは,高次元文脈における所望の後方分布のほぼ正確な表現を提供する。 実験により,本手法の有効性は,高次元合成状態推定タスクとビデオから導出した6次元ポーズ推定によって評価される。 ロボットシステムがより大きな自由度で進化するにつれて、高次元状態空間に適した粒子フィルタは不可欠であると仮定する。

関連論文リスト

• Closed-form Filtering for Non-linear Systems [83.91296397912218]
  我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。 本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。 提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
  論文  参考訳（メタデータ） (2024-02-15T08:51:49Z)
• Nonlinear Filtering with Brenier Optimal Transport Maps [4.745059103971596]
  本稿では,非線形フィルタリング,すなわち動的システムの状態の条件分布の計算の問題について述べる。 従来の逐次重要再サンプリング(SIR)粒子フィルタは、縮退確率や高次元状態を含むシナリオにおいて、基本的な制限に悩まされる。 本稿では,Brenier 最適輸送 (OT) マップを,現在の状態の分布から次のステップにおける後部分布へ推定する手法について検討する。
  論文  参考訳（メタデータ） (2023-10-21T01:34:30Z)
• Counter-Hypothetical Particle Filters for Single Object Pose Tracking [10.232121085973784]
  標準確率と平行して用いられる対数-補数的確率関数を導入する。 Evidential Reasoning の可算性と不確実性の概念にインスパイアされた我々の反補足的可能性関数の追加は、各粒子に疑念のレベルを割り当てる。 剛体物体6次元ポーズトラッキングタスクにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T23:42:35Z)
• An overview of differentiable particle filters for data-adaptive sequential Bayesian inference [19.09640071505051]
  粒子フィルタ(PF)は非線形逐次状態推定問題を解くための効率的なメカニズムを提供する。 新たなトレンドは、ニューラルネットワークを使用して粒子フィルタのコンポーネントを構築し、勾配降下によって最適化することである。 微分可能な粒子フィルタは複雑な高次元タスクにおいて逐次データに対する推論を行うための有望な計算ツールである。
  論文  参考訳（メタデータ） (2023-02-19T18:03:53Z)
• Computational Doob's h-transforms for Online Filtering of Discretely Observed Diffusions [65.74069050283998]
  本研究では,Doobの$h$-transformsを近似する計算フレームワークを提案する。 提案手法は、最先端粒子フィルタよりも桁違いに効率的である。
  論文  参考訳（メタデータ） (2022-06-07T15:03:05Z)
• Super-resolution GANs of randomly-seeded fields [68.8204255655161]
  ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。 このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。 提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
  論文  参考訳（メタデータ） (2022-02-23T18:57:53Z)
• Fourier Series Expansion Based Filter Parametrization for Equivariant Convolutions [73.33133942934018]
  2次元フィルタパラメトリゼーション技術は同変畳み込みの設計において重要な役割を果たす。 F-Convというフィルタパラメトリゼーション法に基づく新しい同変畳み込み法 F-Convは、画像超解像タスクにおいて、以前のフィルタパラメトリゼーション法よりも明らかに優れている。
  論文  参考訳（メタデータ） (2021-07-30T10:01:52Z)
• Innovative And Additive Outlier Robust Kalman Filtering With A Robust Particle Filter [68.8204255655161]
  提案するCE-BASSは, 粒子混合カルマンフィルタであり, 革新的および付加的両方の外れ値に対して堅牢であり, 隠蔽状態の分布における多モード性を完全に捉えることができる。 さらに、CE-BASSは過去の状態を再サンプリングすることで、トレンドの変化のような観測ですぐには見えない革新的な外れ値を扱うことができる。
  論文  参考訳（メタデータ） (2020-07-07T07:11:09Z)
• When is Particle Filtering Efficient for Planning in Partially Observed Linear Dynamical Systems? [60.703816720093016]
  本稿では, 逐次計画における粒子フィルタリングの効率性について検討する。 我々は、粒子フィルタリングに基づくポリシーの長期報酬が正確な推測に基づいてそれに近いように、必要な粒子の数に縛り付けることができる。 このテクニックは、他のシーケンシャルな意思決定問題に有効であると考えています。
  論文  参考訳（メタデータ） (2020-06-10T17:43:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。