Download to read offline
Uploaded byKeio Robotics Association
Probabilistic roboticschapter4
Probabilistic Robotics Chapter 4 ParticleFilter
Probabilistic roboticschapter4
- 1.
- 2.
- 3. パーティクルフィルタ • 確率分布をM個の具体的な状態を表した標本（パーティクル） で表現 • 時刻tにおける仮説XtはUtとXｔ－１から生成 •計測から各パーティクルの重みを計算 • 重みに基づき, リサンプリングし（しないときもある）時刻ｔ での事後信念を生成 確率ロボティクス8章p226の図がとても分かりやすい
- 4.
- 5.
- 6. 重み付きサンプリング • 適切な重みを与えることで, 別の確率分布（提案分布）からサ ンプリングしても,求めたい確率分布（目標分布）に近づく 適切な重みづけが求めたいものとは異なる確率分布からサンプ リングしてきたパーティクルを使っても機能することを保証 求めたい確率分布：：ロボットの時刻ｔでの状態𝑥 𝑡 サンプリングする確率分布：：状態 𝑥 𝑡−1, 制御 𝑢 𝑡 から生成
- 7. 重み 𝑤 = 𝑝𝑧𝑡 𝑥 𝑡 = 𝑝 𝑥 𝑡 𝑧𝑡 𝑝 𝑧𝑡 𝑝 𝑥 𝑡 = 𝜂 𝑝 𝑥 𝑡 𝑧𝑡 𝑝(𝑧𝑡) ?
- 8. 密度の抽出 • ガウス分布近似 マルチモーダル(山が複数)には不適 •Ｋ平均法 • 離散ヒストグラム 実際のロボコンでは特定の場所でタスクを行う必要がある 移動完了判定に用いる？
- 9.
- 10. リサンプリングの工夫 • 有効サンプルサイズ数の導入 𝐸𝑆𝑆 = 1 Σ𝑖=1 𝑀 𝜔𝑘 𝑖 2 全ての粒子が均等に活用されている場合ESS＝M 一つの粒子しか活用されていない場合 ESS＝１ ESSが閾値を下回ったらリサンプリング リサンプリング後の重みは均等化
- 11.