Contractor Filters
作者: Simon Rohou
分类: cs.RO, math.DS
发布日期: 2026-10-13
💡 一句话要点
提出承包商滤波器以解决非线性状态估计问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 承包商滤波器 非线性状态估计 异常值处理 机器人导航 稳健性
📋 核心要点
- 现有方法在处理具有界限不确定性和异常值的非线性状态估计时，常常面临几何包络重建的高计算成本和不稳定性。
- 承包商滤波器通过承包商的组合符号性地表示可行状态，避免了重新生成几何包络的需求，从而简化了状态估计过程。
- CFs在范围仅和基于地形的定位任务中表现出色，能够在异常值和模型不匹配的情况下保持模拟真实状态，而粒子滤波器的可靠性则显著下降。
📝 摘要（中文）
本文介绍了承包商滤波器（CFs），一种用于具有界限不确定性和偶发异常值的非线性连续时间状态估计的集合成员架构。CFs通过承包商的组合符号性地表示可行状态，而不是在每次更新后重新生成几何包络。这为集合理论滤波方程与其数值实现之间提供了一个抽象层，使得预测、修正、模糊性和异常值处理可以在一个代数中表达，而无需规定状态几何。我们推导出精确的名义递归和保证的稳健包络，并验证了保持合理性的流包含。可选的子铺压缩提供了有限的外部表示。
🔬 方法详解
问题定义：本文旨在解决在存在界限不确定性和偶发异常值的情况下进行非线性状态估计的问题。现有方法往往需要频繁重建几何包络，导致计算效率低下和不稳定性。
核心思路：承包商滤波器（CFs）通过使用承包商的组合来符号性地表示可行状态，避免了几何包络的重建，从而提供了一种更为高效和稳定的状态估计方法。
技术框架：CFs的整体架构包括状态预测、修正、模糊性处理和异常值处理四个主要模块。每个模块都在一个统一的代数框架内进行操作，确保了计算的连贯性和一致性。
关键创新：CFs的主要创新在于其通过承包商组合实现的符号性状态表示，这与传统方法依赖几何包络的方式有本质区别。CFs能够在不规定状态几何的情况下，灵活处理各种不确定性和异常情况。
关键设计：CFs的设计中，承包商的强度和压缩预算是关键参数，控制了铺设的紧密度与计算成本之间的权衡，同时保证了包络的有效性。
🖼️ 关键图片
📊 实验亮点
在与稳健粒子滤波器的比较实验中，承包商滤波器在范围仅和基于地形的定位任务中表现出色，能够在异常值和模型不匹配的情况下保持模拟真实状态，而粒子滤波器的可靠性在持续偏差和空间混叠下显著下降，显示出CFs的优势。
🎯 应用场景
承包商滤波器在机器人导航、无人驾驶汽车和航空航天等领域具有广泛的应用潜力。其能够有效处理不确定性和异常值的能力，使其在复杂环境下的状态估计中展现出重要的实际价值，未来可能推动相关技术的进一步发展。
📄 摘要（原文）
We introduce Contractor Filters (CFs), a set-membership architecture for nonlinear continuous-time state estimation with bounded uncertainties and sporadic outliers. CFs represent feasible states symbolically by compositions of contractors rather than rematerializing a geometric enclosure after each update. This provides an abstraction layer between the set-theoretic filtering equations and their numerical realization, so prediction, correction, ambiguity, and outlier handling can be expressed within one algebra without prescribing a state geometry. We derive an exact nominal recursion and a guaranteed robust enclosure, with validated flow inclusions preserving soundness. Optional sub-paving compression then provides finite outer representations. CFs are evaluated against a robust particle filter on range-only and terrain-based localization under outliers, probabilistic model mismatch, association ambiguity, and multimodality. CFs retain the simulated truth in all tested configurations, while particle-filter reliability degrades under persistent bias and spatial aliasing. Contractor strength and compression budget control the trade-off between paving tightness and computational cost, while preserving the enclosure guarantee.