English(EN) Unscented KalmanNet: a hybrid deep learning filter with calibrated posterior covariance for nonlinear state estimation

Unscented KalmanNet 通过混合深度学习增强非线性状态估计

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-06 04:00

研究人员开发了 Unscented KalmanNet (UKN)，这是一种新颖的混合深度学习滤波器，旨在改进非线性动力系统的状态估计。UKN 将两个学习组件 NoiseNet 和 GainNet 集成到现有的 Unscented Kalman Filter (UKF) 框架中。这种方法旨在提高估计精度和协方差校准，这两者通常会因噪声和模型不匹配而降低。在合成数据和真实飞行数据上与其他滤波器进行基准测试，UKN 证明了状态估计误差和均方根误差的显著降低。 AI

影响这种新型滤波器可以提高从机器人到自主系统等各种应用中状态估计的准确性和可靠性。

排序理由该集群包含一篇详细介绍状态估计新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Minhyeok Ko, Abdollah Shafieezadeh · 2026-08-06 04:00

Unscented KalmanNet: a hybrid deep learning filter with calibrated posterior covariance for nonlinear state estimation

arXiv:2608.04201v1 Announce Type: new Abstract: State estimation for nonlinear dynamical systems is commonly performed with the Unscented Kalman filter (UKF), which propagates the state moments through deterministic sigma points and reports a posterior covariance at every step. I…

报道来源 [1]

Unscented KalmanNet: a hybrid deep learning filter with calibrated posterior covariance for nonlinear state estimation

相关话题