强化学习补偿滤波的多智能体协同定位算法

复杂环境高精度定位

该算法通过强化学习补偿滤波，解决了传统滤波方法对初始估计和噪声敏感的问题，并通过多智能体信用分配实现全局定位误差最小化。

Wang, Ran · 徐诚 · Jing, Sun · 段世红 · 张晓彤

IEEE Journal on Selected Areas in Communications 2024

技术优势

初始误差可消除

通过强化学习补偿 EKF，系统在初始估计不准确时仍能收敛到正确位置，避免滤波发散。

全局误差最小化

引入信用分配网络，使每个智能体根据对全局误差的贡献调整自身估计，通过信息共享和全局优化显著降低整体定位误差。

复杂环境更鲁棒

数值仿真与物理实验表明，该算法在未知复杂环境下的定位精度和鲁棒性均显著优于传统方法。

应用场景

• 多机器人协同定位：多机器人救援时无需精确初始位姿即可协同定位，降低部署难度。
• 无人机集群定位：无人机集群在复杂未知环境中可自主修正定位误差，提升编队稳定性。
• 工业机器人导航：工业机器人无需高精度初始标定即可实现准确导航，降低产线部署成本。
• 群体机器人定位：群体机器人在未知环境中通过协作定位提升整体定位可靠性。