The Impact of Road Configuration on V2V-based Cooperative Localization
University of Michigan（密歇根大学）
本文研究了道路布局对协同定位误差的影响，通过理论分析证明了车辆数量与定位误差之间的关系，数值模拟验证了结果的可靠性。
2017-03-06 cs.SY eess.SY
A Universal Cooperative Decision-Making Framework for Connected Autonomous Vehicles with Generic Road Topologies
The Hong Kong University of Science and Technology（香港科技大学）
提出基于有向无环图表示通用道路拓扑的统一优化框架，将CAVs协同决策近似为混合整数线性规划问题，实现全局最优并验证多场景有效性。
2024-01-10 cs.RO cs.SY eess.SY
Real-time Cooperative Vehicle Coordination at Unsignalized Road Intersections
无信号交叉口的协同协调，旨在提高互联和自动化车辆的行驶安全性和交通吞吐量，近年来引起了越来越多的关注。然而，大多数现有的调查要么受到计算复杂性的影响，要么无法充分利用道路基础设施的潜力。为此，我们首先提出了一个专用的交叉口协调框架，其中所涉及的车辆移交其控制权限，并遵循中央协调员的指示。然后，将制定一个统一的合作轨迹优化问题，以最大限度地提高交通吞吐量，同时确保驾驶安全和长期稳定的协调系统。为了解决现实世界部署中的关键计算挑战，我们将这个非凸顺序决策问题重新表达为无模型的马尔可夫决策过程（MDP），并通过在深度强化学习（DRL）框架中设计基于双延迟深度确定性策略梯度（TD 3）的策略来解决它。仿真和实际实验表明，该策略在亚静态协调场景下可以获得接近最优的性能，在现实连续业务流中可以显著提高业务吞吐量。最显著的优点是，我们的策略可以降低计算的时间复杂度为毫秒，并显示出可扩展的道路车道增加。
2023-03-22 cs.AI cs.RO cs.SY
Interpenetrating Cooperative Localization in Dynamic Connected Vehicle Networks
University of Michigan（密歇根大学）；Tsinghua University（清华大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出ICL方法提升动态连接车辆网络的定位精度，通过信息跨组渗透提高低连接率下的信息效用，实验显示在复杂动态场景中定位误差降低70%。
2018-04-25 cs.SY eess.SY
Optimization of Vehicle Connections in V2V-based Cooperative Localization
University of Michigan（密歇根大学）
本文研究了协作地图匹配中车辆成员对GNSS定位精度的影响，通过理论分析建立误差与道路约束的定量关系，提出优化车辆网络的方法。
2017-08-01 cs.SY eess.SY
Performance of Cooperative Detection in Joint Communication-Sensing Vehicular Network: A Data Analytic and Stochastic Geometry Approach
城市环境的日益复杂给自主车辆网络的部署带来了额外的不确定性。为了实现城市自主车辆的高效通信和障碍物检测，提出了一种基于联合通信与感知（JCS）技术的道路基础设施协同检测模型。为了抑制JCS信号因阴影和障碍物而引起的性能波动，我们首先从地理信息系统（GIS）中导出道路障碍物的统计信息。在此基础上，利用视距和非视距信道模型，分析了复杂城市场景下JCS信道特性和阴影影响因素。应用随机几何方法分析了干扰因素和JCS成功检测与通信的概率分布。仿真结果验证了基于LoS和NLoS信道的概率分析的合作检测模型，数值结果表明了几种不同的优化方法部署JCS道路基础设施。最后，对符合城市交通点结构布局标准的JCS道路基础设施配置优化方法进行了仿真分析。
2022-11-02 cs.SY eess.SP eess.SY
ADMM-Based Distributed Kalman-like Observer with Applications to Cooperative Localization
KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出一种基于ADMM的分布式卡尔曼似观测器，用于多智能体系统的局部和相对测量状态估计，通过稀疏性保持预测步骤和强凸二次规划实现分布式求解。
2026-04-23 cs.SY eess.SY
Cooperative Vision-based Localization Networks with Communication Constraints
精确的位置信息对于\ac{iov}的新兴应用是必不可少的，例如自动驾驶和编队控制。在实际应用中，基于视觉的定位方法以其稳定性和灵活性表现出优于其他定位方法的性能。提出了一种通信约束下的协作视觉定位方案。车辆收集环境图像和彼此之间的距离测量。然后车辆将特征点的坐标和具有约束位的距离传输到边缘以估计它们的位置。首先得到了绝对定位的PDMATHAMN，在此基础上通过子空间投影得到了相对定位的\ac{speb}。此外，我们制定了相应的比特分配问题的相对定位。最后，考虑到摄影、距离测量和量化噪声的影响，提出了一种\ac{vgd}算法。与传统的比特分配方法相比，数值结果表明，我们提出的算法具有更高的计算效率的定位性能增益。
2019-11-18 cs.SY eess.SP eess.SY
Cooperative localization for mobile agents: a recursive decentralized algorithm based on Kalman filter decoupling
本文提出一种递归分布式协同定位算法，通过解耦卡尔曼滤波实现分布式状态估计，提升移动代理的定位精度与效率。
2015-10-05 cs.RO cs.SY eess.SY
Eco-driving under localization uncertainty for connected vehicles on Urban roads: Data-driven approach and Experiment verification
本文针对城市道路联网车辆在定位不确定性下的生态驾驶问题，提出一种数据驱动MPC方法，通过学习代价函数和约束实现短时域实时速度规划，并在实车实验中实现12%的能效提升。
2024-04-04 cs.SY eess.SY
Cooperative Localization for Mobile Networks: A Distributed Belief Propagation - Mean Field Message Passing Algorithm
Aalborg University（奥尔堡大学）；Danish Defence（丹麦国防部）；CMRE（北约海上作战研究中心）；TU Wien（维也纳工业大学）
本文提出一种混合消息传递方法用于移动代理的分布式协作定位与跟踪，通过信念传播和均场消息传递分别处理运动相关和测量相关部分，采用高斯信念近似仅需每个迭代广播三个实值，通信开销低但估计精度可与粒子信念传播相当。
2016-04-03 cs.MA cs.SY eess.SY
Cooperative Decision-Making in Shared Spaces: Making Urban Traffic Safer through Human-Machine Cooperation
本文提出一种适用于意图感知型自动驾驶的协同决策方法，通过适配协同共享控制框架并引入行人显式预测模型，在简化测试环境中优于现有算法，且具备实时性，有助于提升城市交通安全。
2023-06-26 cs.SY eess.SY
Distributed Finite-Time Cooperative Localization for Three-Dimensional Sensor Networks
Politecnico di Torino（都灵理工大学）；Southern University of Science and Technology（南方科技大学）；New York University Tandon School of Engineering（纽约大学坦登工程学院）
本文针对三维传感器网络，提出基于重心坐标的分布式可定位性验证与共轭梯度定位算法，实现有限时间精确收敛，并通过仿真验证其高效性。
2023-09-20 cs.SY eess.SY
Terrain-based vehicle localization using an active suspension system
本文首次提出了一种基于地形的主动悬架系统传感器数据定位方法。贡献是四方面的。首先，它示出的位置相关的道路高度轮廓可以创建从传感器数据的主动悬架系统。其次，开发了从道路高度轮廓数据中提取俯仰轮廓的算法。理想的俯仰曲线与车辆无关，仅取决于道路。由机载计算机生成的俯仰轮廓与已知的地形图相匹配，以实现实时定位。第三，开发了一种众包地图创建算法，用于创建和改进包含音高轮廓的地形地图。第四，实验验证了所提出的定位方法的准确性和鲁棒性。
2022-07-22 cs.SY eess.SY
Development of a Cooperative Localization System using a UWB Network and BLE Technology
University of Perugia（佩鲁贾大学）
本文提出了一种系统的发展，能够估计在无线网络中的节点的2D相对位置，基于节点之间的距离测量。该系统采用超宽带测距技术和蓝牙低功耗协议进行数据采集。此外，一个非线性最小二乘问题，制定和数值求解估计的节点的相对位置。通过实验测试验证了该系统的定位性能，证明了测量由4个节点组成的网络的相对位置的能力，其精度为3 cm，更新速率为10 Hz。这表明该系统应用于多机器人协作定位和编队控制场景的可行性。
2022-12-13 cs.RO cs.SY eess.SY
Rigidity-Based Multi-UAV Trajectory Optimization for Rapid Cooperative Emergency Target Localization
School of Integrated Technology, Yonsei University（延世大学综合技术学院）
研究针对应急目标定位中现有方法在早期任务阶段表现不佳的问题，提出基于刚性的多无人机轨迹优化方法，通过最大化刚性矩阵最小非零奇异值改善定位，引入剪枝策略实现高效实时，仿真显示该方法有诸多优势。
2026-08-04 cs.SY eess.SY
ROBOPOL: Social Robotics Meets Vehicular Communications for Cooperative Automated Driving
ROBOPOL提出利用社会机器人作为自动驾驶车辆与行人之间的调节器，通过整合先进感知、车辆通信、社会交互和形式化规范，实现协作自动驾驶场景中的安全交互。
2025-12-30 cs.RO cs.SY eess.SY
Learning to cooperatively estimate road surface friction
Østfold University College（厄斯特福德大学学院）
我们提出了一个系统，用于估计在任何弯曲的路段的路面表面的摩擦，通过达成共识的估计，从最近通过该部分的车辆的数据的基础上。这个估计可以帮助跟踪车辆。为了降低成本，我们只依赖标准的汽车传感器，例如IMU，以及用于转向角度和车轮速度的传感器。我们系统的工作流程包括：（i）处理来自现有车辆传感器的测量结果，以实现捕获低摩擦对车辆的影响的虚拟传感器，（ii）使用V2X通信将短运动学概要从车辆传输到路边单元（RSU），以及（iii）通过在RSU处运行机器学习回归器来估计摩擦系数，从个别车辆的总结，然后结合几个这样的估计。在设计和实现我们的系统在道路网络上，我们面临两个关键问题：（i）每个单独的路段应该有一个本地的摩擦系数回归，或者我们可以使用一个全局回归，覆盖所有可能的路段？以及（ii）所得回归估计的准确性如何？我们测试我们的解决方案的设计变化的性能，使用模拟的商业软件包Dyna4。我们考虑一个单一的车辆类型与不同程度的轮胎磨损，和一系列的道路摩擦系数。我们发现：（a）与局部回归量相比，使用全局回归量仅会导致精度的边际损失，（b）如果组合基于至少50辆最近通过的车辆，则RSU处的共识估计具有约10%的最坏情况误差，以及（c）我们的回归量具有小于5%的均方根（RMS）误差。我们的系统的RMS差错率是商业摩擦估计服务的一半。
2023-02-07 cs.LG cs.SY eess.SY
Cooperative Multi-Monostatic Sensing for Object Localization in 6G Networks
针对6G网络中多径导致回波退化及带宽受限时定位性能下降的问题，本文提出基于5G NR的协作式多单基地感知框架，通过加权融合各基站距离估计抑制多径，并经光线追踪仿真验证有效。
2024-01-25 cs.SY eess.SP eess.SY
Cooperative Localization with Angular Measurements and Posterior Linearization
协作定位技术在车载网络中的应用对于提高定位精度和覆盖范围具有重要意义。车辆之间的常规距离测量受限于对同步的需要并且不提供车辆的航向信息。为了解决这个问题，我们提出了一个合作定位算法，使用后线性化的信念传播（PLBP）利用到达角（AoA）的唯一测量。仿真结果表明，该算法能有效地降低车辆的方向和位置均方误差，并在几次迭代后收敛到一个较低的值。此外，车辆网络的参数，如车辆密度，通信半径，先验不确定性和AoA测量噪声的影响进行了分析。
2019-07-10 cs.IT cs.SY eess.SP
Cooperative Simultaneous Localization and Synchronization in Mobile Agent Networks
Johannes Kepler University（约瀚内斯·开普勒大学）；NATO STO Centre for Maritime Research and Experimentation（北约科学技术组织海上研究与实验中心）；TU Wien（维也纳工业大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文提出基于时间飞行测量的协同定位与同步框架CoSLAS，采用分布式信念传播算法处理时变局部时钟参数，结合粒子实现与参数信息表示提升精度与效率。
2016-11-07 cs.DC cs.SY eess.SY
Privacy-Preserving Decentralized Cooperative Localization with Range-Only Measurements: A Convex Optimization Based Approach
Department of Mechanical Engineering, Texas A&M University（德克萨斯A&M大学机械工程系）；Zachry Department of Civil & Environmental Engineering, Texas A&M University（德克萨斯A&M大学土木与环境工程系）；Computer Science & Engineering, Texas A&M University（德克萨斯A&M大学计算机科学与工程系）
针对多机器人系统在隐私敏感任务中的定位问题，提出一种基于凸优化的原生隐私保护去中心化协同定位框架，通过半定规划计算最大体积内接椭球，利用抽象对偶变量交换实现隐私保护，仿真验证了精度和可扩展性。
2026-06-29 cs.RO cs.SY eess.SY
Range-based Coordinate Alignment for Cooperative Mobile Sensor Network Localization
Tsinghua University（清华大学）；Beijing Science and Technology Co, three fast online（北京三快在线科技有限公司）
本文研究了利用基于范围的测量进行协作移动传感器网络定位中的坐标对齐问题，通过设计迭代和递归算法实现目标节点的定位，并通过仿真验证了算法的优势。
2020-02-22 cs.MA cs.SY eess.SY
Multi-AAV Cooperative Path Planning using Nonlinear Model Predictive Control with Localization Constraints
IIIT Delhi（德里印度信息技术学院）；University of Cincinnati（辛辛那提大学）；IISER Bhopal（博帕尔印度科学教育与研究学院）
针对GPS拒止环境下多AAV协同定位与路径规划问题，提出结合MHE与带近似解析闭式协方差表达式的NMPC方法，可在保证定位精度的同时降低计算量，经仿真验证优于基于EKF的方案。
2022-01-23 cs.RO cs.SY eess.SY
Distributed Fault-Tolerant Multi-Robot Cooperative Localization in Adversarial Environments
School of Computing, University of Georgia（佐治亚大学计算机学院）
针对对抗环境中的多机器人协同定位，提出分布式容错框架，采用自适应事件触发通信策略，提升定位精度与通信效率，具有良好扩展性和容错性。
2025-07-09 cs.MA cs.RO cs.SY
Decentralized Cooperative Localization for Multi-Robot Systems with Asynchronous Sensor Fusion
本文提出了一种去中心化协同定位框架，通过局部卡尔曼滤波和异步传感器融合实现多机器人系统的可靠定位，实验显示其在特征稀疏环境中优于集中式方法。
2026-03-12 cs.RO cs.SY eess.SY
A Visual Cooperative Localization Method for Airborne Magnetic Surveying Based on a Manifold Sensor Fusion Algorithm Using Lie Groups
Shenyang Aerospace University（沈阳航空航天大学）；International Digital Economy Academy（国际数字经济学院）；Beijing Jiaotong University（北京交通大学）
针对GNSS拒止环境下机载磁测中传感器隔离导致的定位难题，提出结合视觉处理模块和改进流形传感器融合算法的视觉协同定位方法，经真实飞行实验验证实现厘米级单轴和分米级3D定位精度。
2024-10-10 cs.RO cs.SY eess.SP
Distributed Invariant Kalman Filter for Cooperative Localization using Matrix Lie Groups
George Mason University（乔治梅森大学）；University of California, Berkeley（加州大学伯克利分校）；University of California, Riverside（加州大学河滨分校）
针对多机器人三维协同定位，提出基于矩阵李群的分布式不变卡尔曼滤波器DInEKF，以独立于状态估计的雅可比提升一致性，并经仿真与实验验证。
2024-05-07 cs.RO cs.SY eess.SY
Active Planning for Cooperative Localization: A Fisher Information Approach
University of California San Diego（加州大学圣地亚哥分校）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
位置感知网络将为现代便利、监控和公共安全引入新的服务和应用。在本文中，我们考虑在无线网络中的某些锚节点的位置可以控制的合作定位问题。我们引入了一种主动规划方法，旨在移动锚点，使未来测量的信息增益最大化。在控制层中，控制输入通过最小化近似逆贝叶斯Fisher信息矩阵（FIM）的迹来计算。估计层计算估计的代理状态，并提供高斯表示的边缘后验的代理位置的控制层的近似Bayesian估计计算。基于一个代价函数，累积贝叶斯预测在离散未来时间步的滑动窗口的贡献，滚动时域（RH）控制执行。近似，使其能够有效地解决由此产生的树搜索问题进行了讨论。一个数值的案例研究演示了智能行为的一个单一的控制锚在3-D的情况下，从而显着提高定位精度。
2022-12-30 cs.RO cs.SY eess.SP
Communication-Free Obstacle Localization from Aggregate Wrench Measurements in Leader--Follower Cooperative Transport
Northeastern University（东北大学）
针对无通信协作运输中领导者无法区分跟随者个体反应的问题，提出一种跟随者控制律，使领导者能从聚合扳手测量中恢复障碍物位置，并给出精确恢复条件与自适应探测程序，仿真验证了其性能。
2026-10-07 cs.MA cs.RO cs.SY
FedLoc: Federated Learning Framework for Data-Driven Cooperative Localization and Location Data Processing
The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））；SRIBD（深圳大数据研究院）；Wuhan University（武汉大学）
本文结合机器学习和大数据方法，研究了基于数据驱动学习模型的协同定位和位置数据处理。我们首先回顾（1）联邦学习背景下的最新算法，（2）两种广泛使用的学习模型，即深度神经网络模型和高斯过程模型，以及（3）各种分布式模型超参数优化方案。然后，我们展示了各种实际用例，这些用例是从标准的、新出版的和未出版的作品中总结出来的，涵盖了广泛的定位服务，包括协同静态定位/指纹识别、室内目标跟踪、使用低采样GPS的室外导航以及时空无线交通数据建模和预测。实验结果表明，近集中的数据拟合和预测性能可以实现一组协作移动用户运行分布式算法。所有调查的用例都属于我们新提出的联邦本地化（FedLoc）框架，该框架的目标是在不牺牲用户隐私的情况下协作构建准确的位置服务，特别是与地理轨迹相关的敏感信息。最后对未来的研究方向进行了展望。
2020-05-25 cs.DC cs.LG cs.SY
Coalition Formation Games for Distributed Cooperation Among Roadside Units in Vehicular Networks
UNIK - University Graduate Center, University of Oslo（奥斯陆大学研究生中心）；University of Houston（休斯顿大学）；Nanyang Technological University (NTU)（南洋理工大学）；University of Manitoba（曼尼托巴大学）
针对车载网络中路边单元（RSU）间的合作问题，提出基于可转移效用联盟形成博弈的分布式合作方案，使RSU自组织形成纳什稳定联盟，平均收益较非合作情况提升20.5%-33.2%。
2010-10-07 cs.GT cs.IT cs.SY
