JP7019037B2 - システムを制御する装置及び方法 - Google Patents
システムを制御する装置及び方法 Download PDFInfo
- Publication number
- JP7019037B2 JP7019037B2 JP2020518554A JP2020518554A JP7019037B2 JP 7019037 B2 JP7019037 B2 JP 7019037B2 JP 2020518554 A JP2020518554 A JP 2020518554A JP 2020518554 A JP2020518554 A JP 2020518554A JP 7019037 B2 JP7019037 B2 JP 7019037B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- state
- student
- model
- uncertainty
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/41—Servomotor, servo controller till figures
- G05B2219/41146—Kalman filter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/023—Learning or tuning the parameters of a fuzzy system
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0248—Filters characterised by a particular frequency response or filtering method
- H03H17/0255—Filters based on statistics
- H03H17/0257—KALMAN filters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Feedback Control In General (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Description
Claims (19)
- システムを制御する装置であって、
プロセス雑音を受ける前記システムの運動モデルと、測定雑音を受ける前記システムの測定モデルとを含む前記システムのモデルを記憶するメモリであって、前記プロセス雑音及び前記測定雑音のうちの一方又は組み合わせは、未知の確率パラメータを有する前記システムの前記モデルの不確実性を形成するようになっており、前記システムの前記モデルの不確実性は、未知の確率パラメータを有する前記システムの状態不確実性を引き起こすものである、メモリと、
信号を測定して前記システムの状態を示す測定値のシーケンスを生成するセンサと、
プロセッサであって、
前記運動モデル、前記測定モデル、及び前記システムの状態の前記測定値のうちの少なくとも1つ又は組み合わせを用いて、前記モデルの不確実性を表す第1のスチューデントのt分布及び前記システムの状態不確実性を表す第2のスチューデントのt分布を推定することであって、前記推定は、終了条件が満たされるまで反復して実行されることと、
前記第2のスチューデントのt分布に、前記状態不確実性を表すガウス分布を当てはめることによって、前記ガウス分布の平均及び分散を生成することと、
を行う、プロセッサと、
コントローラであって、
前記ガウス分布によって表される状態不確実性を有する前記システムの前記モデルを用いて、前記システムへの制御入力を求めることと、
前記制御入力に従って前記システムを制御することと、
を行う、コントローラと、
を備え、
前記第1のスチューデントのt分布及び前記第2のスチューデントのt分布の同時推定の反復を実行する前記プロセッサは、
前記運動モデルを用いて、前記システムの状態の以前の推定、前記第1のスチューデントのt分布の以前の値、及び前記第2のスチューデントのt分布の以前の値に基づいて、前記システムの状態、前記第1のスチューデントのt分布の現在の値、及び前記第2のスチューデントのt分布の現在の値を推定し、
前記測定値の現在の値を受信することに応答して、前記測定値及び前記測定モデルを用いて、前記システムの状態の前記現在の推定、前記第1のスチューデントのt分布の前記現在の値、及び前記第2のスチューデントのt分布の前記現在の値を更新する、装置。 - 前記第1のスチューデントのt分布の初期値及び前記第2のスチューデントのt分布の初期値を求める前記プロセッサは、
前記モデルの不確実性を表すガウス分布の平均及び分散の初期推定値を求め、
前記モデルの不確実性を表す前記ガウス分布に前記第1のスチューデントのt分布を当てはめて、前記第1のスチューデントのt分布の平均、スケール、及び自由度の初期値を生成し、
前記第1のスチューデントのt分布の平均、スケール、及び自由度の初期値に基づいて、前記第2のスチューデントのt分布の平均、スケール、及び自由度の初期値を推定する、
ように構成される、請求項1に記載の装置。 - 前記第2のスチューデントのt分布の前記初期値は、前記第1のスチューデントのt分布の前記初期値に等しいが、前記終了条件を満たすと、前記第2のスチューデントのt分布の最終値は、前記第1のスチューデントのt分布の最終値と異なる、請求項2に記載の装置。
- 前記モデルの不確実性を表すガウス分布の平均の初期推定値は、前記測定値の履歴における平均値を用いて求められ、前記モデルの不確実性を表すガウス分布の分散の初期推定値は、或る期間に渡って前記センサによって測定された前記測定値の分散を用いて求められる、請求項2に記載の装置。
- 前記プロセッサは、
前記第1のスチューデントのt分布の自由度の前記初期値を求め、なお、自由度の前記初期値は、システムの状態の次元よりも大きい正の有限値であり、
前記求められた自由度の初期値について、前記第1のスチューデントのt分布の平均及びスケールの前記初期値を求める、
ように構成される、請求項2に記載の装置。 - 前記プロセッサは、
前記モデルの不確実性のレベルを推定し、
前記モデルの不確実性のレベルの関数として、自由度の前記初期値を選択する、
ように更に構成される、請求項5に記載の装置。 - 前記第2のスチューデントのt分布の自由度は、前記終了条件が満たされた後、有限であり、前記プロセッサは、モーメントマッチング及び類似度最適化のうちの一方又は組み合わせを用いて、前記第2のスチューデントのt分布に第2のガウス分布を当てはめることによって、第2のガウス分布の平均及び分散を生成する、請求項1に記載の装置。
- 前記有限の自由度は、前記第1のスチューデントのt分布及び前記第2のスチューデントのt分布のうちの最小の自由度として選択される、請求項7に記載の装置。
- 自由度は、有限数に収束する、請求項7に記載の装置。
- 前記プロセッサは、制御ステップごとに、前記第1のスチューデントのt分布及び前記第2のスチューデントのt分布、並びに前記状態不確実性を表す前記ガウス分布を更新する、請求項1に記載の装置。
- 前記制御されるシステムは、車両であり、前記装置は、前記ガウス分布によって表される前記車両の前記状態不確実性に基づいて前記車両を制御するようになっている、請求項1に記載の装置。
- 前記システムの前記運動モデル及び前記システムの前記測定モデルは、前記車両の運動における前記センサの較正の状態の不確実性によって引き起こされる擾乱を受け、前記プロセッサは、
確率分布によって規定される前記センサの較正の前記状態の実現可能空間をサンプリングして、前記センサの較正のサンプリングされた状態のセットを生成し、
較正のサンプリングされた状態ごとに、前記運動モデルを用いて、前記車両の現在の状態の推定値を推定し、前記車両の推定された状態のセットを生成し、
前記車両の推定された状態ごとに、前記測定モデルに前記車両の前記測定値及び前記推定された状態を挿入することによって、前記センサの較正の推定された状態を推定し、
較正の前記サンプリングされた状態と、較正の対応する推定された状態との間の差異に基づいて求められた重みを用いて重み付けされた較正の前記サンプリングされた状態の関数に基づいて、前記メモリに記憶された前記センサの較正の前記状態の前記確率分布の平均及び分散を更新し、
前記センサの較正の前記状態の前記更新された確率分布を用いて前記ガウス分布を求める、
ように構成される、請求項11に記載の装置。 - 前記センサの較正の前記状態の前記更新された確率分布の平均は、前記センサのオフセットであり、前記センサの較正の前記状態の前記更新された確率分布の分散は、前記センサの分散である、請求項12に記載の装置。
- システムを制御する方法であって、前記方法は、前記方法を実施する記憶された命令に結合されたプロセッサを使用し、前記命令は、前記プロセッサによって実行されると、前記方法のステップを実行し、前記ステップは、
プロセス雑音を受ける前記システムの運動モデルと、測定雑音を受ける前記システムの測定モデルとを含む前記システムのモデルを索出するステップであって、前記プロセス雑音及び前記測定雑音のうちの一方又は組み合わせは、未知の確率パラメータを有する前記システムの前記モデルの不確実性を形成するようになっており、前記システムの前記モデルの不確実性は、未知の確率パラメータを有する前記システムの状態不確実性を引き起こすものである、ステップと、
前記システムの状態を示す測定値のシーケンスを受信するステップと、
前記運動モデル、前記測定モデル、及び前記システムの状態の前記測定値のうちの少なくとも1つ又は組み合わせを用いて、前記モデルの不確実性を表す第1のスチューデントのt分布及び前記システムの前記状態不確実性を表す第2のスチューデントのt分布を推定するステップであって、前記推定は、終了条件が満たされるまで反復して実行される、ステップと、
前記第2のスチューデントのt分布に、前記状態不確実性を表すガウス分布を当てはめることによって、前記ガウス分布の平均及び分散を生成するステップと、
前記ガウス分布によって表される状態不確実性を有する前記システムの前記モデルを用いて、前記システムへの制御入力を求めるステップと、
前記制御入力に従って前記システムを制御するステップと、
を含み、
前記方法には、前記第1のスチューデントのt分布及び前記第2のスチューデントのt分布の同時推定の反復を実行するステップが伴い、前記実行するステップは、
前記運動モデルを用いて、前記システムの状態の以前の推定、前記第1のスチューデントのt分布の以前の値、及び前記第2のスチューデントのt分布の以前の値に基づいて、前記システムの状態、前記第1のスチューデントのt分布の現在の値、及び前記第2のスチューデントのt分布の現在の値を推定するステップと、
前記測定値の現在の値を受信することに応答して、前記測定値及び前記測定モデルを用いて、前記システムの状態の前記現在の推定、前記第1のスチューデントのt分布の前記現在の値、及び前記第2のスチューデントのt分布の前記現在の値を更新するステップと、
を含む、方法。 - 前記モデルの不確実性を表すガウス分布の平均及び分散の初期推定値を求めるステップと、
前記モデルの不確実性を表す前記ガウス分布に前記第1のスチューデントのt分布を当てはめて、前記第1のスチューデントのt分布の平均、スケール、及び自由度の初期値を生成するステップと、
前記第1のスチューデントのt分布の平均、スケール、及び自由度の初期値に基づいて、前記第2のスチューデントのt分布の平均、スケール、及び自由度の初期値を推定するステップと、
を更に含む、請求項14に記載の方法。 - 前記第2のスチューデントのt分布の前記初期値は、前記第1のスチューデントのt分布の前記初期値に等しいが、前記終了条件を満たすと、前記第2のスチューデントのt分布の最終値は、前記第1のスチューデントのt分布の最終値と異なる、請求項15に記載の方法。
- 前記制御されるシステムは、車両であり、前記システムを制御する装置は、前記ガウス分布によって表される前記車両の前記状態不確実性に基づいて前記車両を制御するようになっている、請求項14に記載の方法。
- 前記システムの前記運動モデル及び前記システムの前記測定モデルは、前記車両の運動におけるセンサの較正の状態の不確実性によって引き起こされる擾乱を受け、前記方法は、
確率分布によって規定される前記センサの較正の前記状態の実現可能空間をサンプリングして、前記センサの較正のサンプリングされた状態のセットを生成するステップと、
較正のサンプリングされた状態ごとに、前記運動モデルを用いて、前記車両の現在の状態の推定値を推定し、前記車両の推定された状態のセットを生成するステップと、
前記車両の推定された状態ごとに、前記測定モデルに前記車両の前記測定値及び前記推定された状態を挿入することによって、前記センサの較正の推定された状態を推定するステップと、
較正の前記サンプリングされた状態と、較正の対応する推定された状態との間の差異に基づいて求められた重みを用いて重み付けされた較正の前記サンプリングされた状態の関数に基づいて、メモリに記憶された前記センサの較正の前記状態の前記確率分布の平均及び分散を更新するステップと、
前記センサの較正の前記状態の前記更新された確率分布を用いて前記ガウス分布を求めるステップと、
を更に含む、請求項17に記載の方法。 - 方法を実行するためにプロセッサによって実行可能なプログラムを具現化した非一時的コンピューター可読記憶媒体であって、前記方法は、
プロセス雑音を受けるシステムの運動モデルと、測定雑音を受ける前記システムの測定モデルとを含む前記システムのモデルを索出するステップであって、前記プロセス雑音及び前記測定雑音のうちの一方又は組み合わせは、未知の確率パラメータを有する前記システムの前記モデルの不確実性を形成するようになっており、前記システムの前記モデルの不確実性は、未知の確率パラメータを有する前記システムの状態不確実性を引き起こすものであるステップと、
前記システムの状態を示す測定値のシーケンスを受信するステップと、
前記運動モデル、前記測定モデル、及び前記システムの状態の前記測定値のうちの少なくとも1つ又は組み合わせを用いて、前記モデルの不確実性を表す第1のスチューデントのt分布及び前記システムの前記状態不確実性を表す第2のスチューデントのt分布を推定するステップであって、前記推定は、終了条件が満たされるまで反復して実行されるステップと、
前記第2のスチューデントのt分布に、前記状態不確実性を表すガウス分布を当てはめることによって、前記ガウス分布の平均及び分散を生成するステップと、
前記ガウス分布によって表される状態不確実性を有する前記システムの前記モデルを用いて、前記システムへの制御入力を求めるステップと、
前記制御入力に従って前記システムを制御するステップと、
を含み、
前記方法には、前記第1のスチューデントのt分布及び前記第2のスチューデントのt分布の同時推定の反復を実行するステップが伴い、前記実行するステップは、
前記運動モデルを用いて、前記システムの状態の以前の推定、前記第1のスチューデントのt分布の以前の値、及び前記第2のスチューデントのt分布の以前の値に基づいて、前記システムの状態、前記第1のスチューデントのt分布の現在の値、及び前記第2のスチューデントのt分布の現在の値を推定するステップと、
前記測定値の現在の値を受信するステップに応答して、前記測定値及び前記測定モデルを用いて、前記システムの状態の前記現在の推定、前記第1のスチューデントのt分布の前記現在の値、及び前記第2のスチューデントのt分布の前記現在の値を更新するステップと、
を含む、非一時的コンピューター可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/845,134 US11501193B2 (en) | 2017-12-18 | 2017-12-18 | Model-based control under uncertainty |
US15/845,134 | 2017-12-18 | ||
PCT/JP2018/020626 WO2019123682A1 (en) | 2017-12-18 | 2018-05-23 | Apparatus and method for controlling system |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020535562A JP2020535562A (ja) | 2020-12-03 |
JP2020535562A5 JP2020535562A5 (ja) | 2021-01-21 |
JP7019037B2 true JP7019037B2 (ja) | 2022-02-14 |
Family
ID=62904540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020518554A Active JP7019037B2 (ja) | 2017-12-18 | 2018-05-23 | システムを制御する装置及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11501193B2 (ja) |
EP (1) | EP3526646B1 (ja) |
JP (1) | JP7019037B2 (ja) |
CN (1) | CN111480126B (ja) |
WO (1) | WO2019123682A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017110548A1 (de) * | 2017-05-15 | 2018-11-15 | Trw Automotive Gmbh | Verfahren zum Detektieren von sich am Lenkrad befindlichen Händen |
US11383727B2 (en) * | 2018-03-19 | 2022-07-12 | Qualcomm Incorporated | Vehicle operation based on vehicular measurement data processing |
WO2020188120A1 (en) * | 2019-03-21 | 2020-09-24 | Five AI Limited | Depth extraction |
TW202125343A (zh) * | 2019-12-30 | 2021-07-01 | 瑞昱半導體股份有限公司 | 時間序列預測方法及相關的時間序列預測電路 |
CN111262556B (zh) * | 2020-01-16 | 2023-09-08 | 自然资源部第二海洋研究所 | 一种同时估计未知高斯测量噪声统计量的多目标跟踪方法 |
US11753023B2 (en) * | 2020-01-19 | 2023-09-12 | Mitsubishi Electric Research Laboratories, Inc. | Adaptive control of autonomous or semi-autonomous vehicle |
CN111251301B (zh) * | 2020-02-27 | 2022-09-16 | 云南电网有限责任公司电力科学研究院 | 输电线路检修机器人操作臂的运动规划方法 |
US11327449B2 (en) * | 2020-05-29 | 2022-05-10 | Mitsubishi Electric Research Laboratories, Inc. | Nonlinear optimization for stochastic predictive vehicle control |
CN111780785A (zh) * | 2020-07-20 | 2020-10-16 | 武汉中海庭数据技术有限公司 | 车载memsimu零偏自标定方法及系统 |
CN112990256A (zh) * | 2020-12-29 | 2021-06-18 | 北京电子工程总体研究所 | 多传感器噪声计算方法及信息融合方法、存储介质及设备 |
US11679759B2 (en) * | 2021-01-27 | 2023-06-20 | Mitsubishi Electric Research Laboratories, Inc. | System and method for adaptive control of vehicle dynamics |
US11932262B2 (en) * | 2021-07-01 | 2024-03-19 | Mitsubishi Electric Research Laboratories, Inc. | Stochastic nonlinear predictive controller and method based on uncertainty propagation by Gaussian-assumed density filters |
CN113591020B (zh) * | 2021-07-23 | 2024-03-01 | 江南大学 | 一种基于轴对称盒空间滤波的非线性系统状态估计方法 |
US20230278197A1 (en) * | 2022-03-01 | 2023-09-07 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Robust Robotic Manipulation using Chance Constrained Optimization |
US20230288886A1 (en) * | 2022-03-12 | 2023-09-14 | Mitsubishi Electric Research Laboratories, Inc. | Model-Based Control with Uncertain Motion Model |
US20240004085A1 (en) * | 2022-06-30 | 2024-01-04 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling a Device using a Compound Probabilistic Filter |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8583470B1 (en) | 2010-11-02 | 2013-11-12 | Mindjet Llc | Participant utility extraction for prediction market based on region of difference between probability functions |
JP2019513613A (ja) | 2016-07-13 | 2019-05-30 | 三菱電機株式会社 | 車両を制御する方法、システム、及び非一時的コンピューター可読メモリ |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6738682B1 (en) | 2001-09-13 | 2004-05-18 | Advances Micro Devices, Inc. | Method and apparatus for scheduling based on state estimation uncertainties |
US7209938B2 (en) | 2001-12-17 | 2007-04-24 | Lockheed Martin Corporation | Kalman filter with adaptive measurement variance estimator |
US20050114023A1 (en) * | 2003-11-26 | 2005-05-26 | Williamson Walton R. | Fault-tolerant system, apparatus and method |
US7180443B1 (en) | 2005-03-16 | 2007-02-20 | Lockheed Martin Corporation | Reduced state estimator for systems with physically bounded parameters |
US20080159074A1 (en) * | 2006-12-27 | 2008-07-03 | Magnitude Spas | System and method for quality control of noisy data |
EP2273327A1 (en) | 2009-06-24 | 2011-01-12 | ABB Research Ltd. | Estimating initial states of a system model for controlling an industrial process |
CN103020348B (zh) | 2012-12-07 | 2015-06-03 | 上海电机学院 | 利用多个传感器对动态系统进行跟踪的方法及装置 |
US10026015B2 (en) | 2014-04-01 | 2018-07-17 | Case Western Reserve University | Imaging control to facilitate tracking objects and/or perform real-time intervention |
US10281897B2 (en) * | 2015-06-02 | 2019-05-07 | Mitsubishi Electric Research Laboratories, Inc. | Model predictive control with uncertainties |
US10963540B2 (en) * | 2016-06-02 | 2021-03-30 | Brown University | Physics informed learning machine |
CN106355003B (zh) * | 2016-08-26 | 2018-01-30 | 中国地质大学(武汉) | 基于t分布的马尔科夫链蒙特卡洛自动历史拟合方法及系统 |
CN106683122B (zh) * | 2016-12-16 | 2020-02-04 | 华南理工大学 | 一种基于高斯混合模型和变分贝叶斯的粒子滤波方法 |
-
2017
- 2017-12-18 US US15/845,134 patent/US11501193B2/en active Active
-
2018
- 2018-05-23 JP JP2020518554A patent/JP7019037B2/ja active Active
- 2018-05-23 WO PCT/JP2018/020626 patent/WO2019123682A1/en unknown
- 2018-05-23 CN CN201880080190.9A patent/CN111480126B/zh active Active
- 2018-05-23 EP EP18740317.5A patent/EP3526646B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8583470B1 (en) | 2010-11-02 | 2013-11-12 | Mindjet Llc | Participant utility extraction for prediction market based on region of difference between probability functions |
JP2019513613A (ja) | 2016-07-13 | 2019-05-30 | 三菱電機株式会社 | 車両を制御する方法、システム、及び非一時的コンピューター可読メモリ |
Non-Patent Citations (1)
Title |
---|
Yulong HUANG ET AL,A Novel Robust Student's t-Based Kalman Filter,IEEE Transactions on Aerospace and Electronic Systems,米国,IEEE,2017年06月,Vol. 53, Issue 3,p. 1545-1554 |
Also Published As
Publication number | Publication date |
---|---|
US20190188592A1 (en) | 2019-06-20 |
WO2019123682A1 (en) | 2019-06-27 |
US11501193B2 (en) | 2022-11-15 |
EP3526646B1 (en) | 2021-07-21 |
CN111480126A (zh) | 2020-07-31 |
JP2020535562A (ja) | 2020-12-03 |
EP3526646A1 (en) | 2019-08-21 |
CN111480126B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7019037B2 (ja) | システムを制御する装置及び方法 | |
CN111527382B (zh) | 用于控制车辆的系统及方法 | |
JP6576578B2 (ja) | 車両を制御する方法、システム、及び非一時的コンピューター可読メモリ | |
US11254315B2 (en) | Friction adaptive vehicle control | |
EP2028504B1 (en) | Method and device for calibrating a magnetic sensor | |
JP2023546540A (ja) | 不確実システムの確率的モデル予測制御 | |
Hashlamon | A new adaptive extended Kalman filter for a class of nonlinear systems | |
US11827293B2 (en) | Real-time estimation of achievable angle, velocity, and acceleration capabilities of steering actuator | |
KR101390776B1 (ko) | 퍼지 확장 칼만 필터를 이용한 위치인식 장치, 방법 및 이동로봇 | |
US11474486B2 (en) | Model-based control with uncertain motion model | |
US11679759B2 (en) | System and method for adaptive control of vehicle dynamics | |
CN116893658A (zh) | 控制机器人设备的方法、控制装置、计算机程序和介质 | |
JP7278502B2 (ja) | タイヤの摩擦曲線を判定するためのシステムおよび方法 | |
US11809193B2 (en) | Data-driven control for autonomous driving | |
CN114076964A (zh) | 用于借助于卡尔曼滤波器确定至少一个系统状态的方法 | |
CN111090281A (zh) | 一种基于改进粒子滤波算法估算移动机器人精确方位的方法和装置 | |
Grebe | A Study of Observability-Aware Trajectory Optimization | |
CN113157552A (zh) | 用于验证软件的方法 | |
CN116691677A (zh) | 车辆驾驶控制方法、装置、车辆及存储介质 | |
CN117168434A (zh) | 一种基于gps和双目视觉定位系统的自适应图优化方法 | |
CN116736843A (zh) | 自动驾驶车辆的控制方法、装置、设备及介质 | |
De Silva et al. | Automated tuning of the nonlinear complementary filter for an Attitude Heading Reference observer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200330 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210708 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7019037 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |