讲座题目：基于距离测量的机器人姿态估计

讲座时间：2023年10月20日上午9：00

讲座地点：工科E1329

报告简介：

       距离测量是水下机器人定位与导航的重要手段。我们考虑基于范围的定位，希望随着传感器数量的增加，估计值能收敛到真实位置并具有最小方差。我们证明在一些传感器部署和测量噪声条件下，最小二乘估计器是强一致且渐近正态的。然而，最小二乘问题是非光滑且非凸的，因此难以求解。因此，我们设计的估计器，具有与最小二乘估计器相同的渐近性质。这些估计器基于两步估计架构，即任何平方根m-一致估计后跟一步高斯-牛顿迭代可以得到具有与最小二乘估计器相同渐近性质的解决方案。然后，我们研究仅使用范围测量的平面姿态估计，并研究估计器的统计效率。我们证明了两步方案的出色属性，即通过一步高斯-牛顿迭代可以将一致估计精确到渐近有效。基于此结果，我们设计了GN-ULS估计器，并通过仿真和收集的数据集进行评估。

主讲人简介：

        吴均峰为香港中文大学（深圳）数据科学学院副教授。主要从事网络化控制、信息物理系统隐私、机器人系统、传感网络、环境感知与定位等方向的研究工作。发表 SCI 期刊论文近50余篇，包括IEEE TAC、Automatica、IEEE RAL、IEEE TIT、IEEE TSP等控制、机器人和信号处理领域顶级期刊。截止至2023年10月，Google-Scholar引用累计超过3300次。入选国家级青年人才项目、中国科协青年托举计划、浙江省特聘专家等。曾获2020年度吴文俊人工智能技术发明一等奖（排名第三）。目前任自动控制理论国际知名期刊IEEE Transactions on Control of Network Systems的副编委。