結構學習

深度分析

Kalman Evolve：以大型語言模型與演化搜尋發現可解釋的非仿射卡爾曼更新

本研究提出 Kalman Evolve，一套結合參數校準與結構學習的框架，旨在解決當觀測為非線性（例如多普勒雷達、LiDAR）時，傳統卡爾曼過濾器的結構性侷限。方法分兩階段：先估計過程與量測雜訊協方差 Q、R 建立校準基線，再透過大型語言模型輔助的進化搜尋，以語意化程式變異空間作為先驗，發現保有遞迴形式但引入非仿射更新的可解釋演算法。