Непрерывная оценка состояния с гауссовскими процессами
Русский перевод X Article Frank Dellaert о новых инструментах GTSAM для непрерывной оценки состояния на основе гауссовских процессов.
Оригинал опубликован Frank Dellaert в X.
GTSAM теперь включает новые инструменты для непрерывной оценки состояния на основе гауссовских процессов — результат замечательного сотрудничества с Connor Holmes, Sven Lilge, Zi Cong (Daniel) Guo и Timothy Barfoot из University of Toronto / UTIAS.
Моделирование с помощью гауссовских процессов (GP) решает вполне реальную задачу: многие роботы получают измерения асинхронно и/или с высокой частотой — от событийных камер, IMU, систем с rolling shutter и LiDAR до других сенсоров. Планированию движения и управлению тоже может требоваться состояние в произвольные моменты времени, а не только в таймстемпах, выбранных для оптимизации.
GP motion priors в GTSAM позволяют моделировать траекторию непрерывно, сохраняя привычный рабочий процесс с фактор-графами. Можно оптимизировать меньший набор дискретных состояний, добавлять измерения в произвольные моменты времени через интерполяционные факторы, а затем запрашивать сглаженную траекторию — вместе с неопределённостью.
Подробнее — в обзорной статье с примерами: https://gtsam.org/2026/05/20/gp-ct-in-gtsam.html, а также в нашей, гораздо более подробной, статье на arXiv: https://arxiv.org/abs/2605.09073.
Дополнительно — несколько более практических ссылок:
- ноутбук с примером GTSAM: https://borglab.github.io/gtsam/gaussianprocesswnoainterpolationse3/
- ноутбук Google Colab: https://colab.research.google.com/github/borglab/gtsam/blob/develop/python/gtsam/examples/GaussianProcessWnoaInterpolationSE3.ipynb
- репозиторий примеров UTIAS ASRL: https://github.com/utiasASRL/2025-fnt-ctfg
Пользуйтесь этим новым дополнением к нашей open-source экосистеме!