Sebastian Thrun's Homepage
フローチャート自体は無かったのですが,解説で良いですか?
もし,不要な情報でしたらごめんなさい.
似たようなことをしているので,私の理解が間違えてなければ,
Markov Localizationは状態遷移モデル(現在の位置状態から次の
状態へどのように遷移するかを表した確率モデル)と観測モデル
(現在の状態でどのような観測モデルを得られるかを表す
確率モデル)を基に,
初期状態の確率から(17式),観測モデルに基づき,それぞれの状態
確率を計算して(18式)和が1になるように(確率なので)計算する
(19,20式).状態遷移確率に基づいて,次の時刻へ進める(21式).
と言う計算の繰り返しです.
つまり,ロボットが今の状態から次の状態へどのように移るか?という
モデルだけでは累積誤差が生じるため,観測を使って,現在の状態で
この観測が得られる確率はこれぐらいのはずだと言う情報を使って,
現在位置の確信度を計算しています.
ちなみに,Sebastian Thrunはこの分野では大御所です.
類似研究にはほとんど名前が入ってます.
また,Markov Localizationは状態表現を正規分布など計算しやすい
表現をおこないますが,任意の分布を表現したいときは,近似計算の
MonteCarlo Localizationなどをおこないます.
MonteCarlo Localizationの基本原理は逐次モンテカルロ法と同じなので,
それで探すと参考になると思います.
大変ご丁寧な回答、どうもありがとうございました。
後半はまったく知らなかったことなので、勉強になりました。また、ぜひよろしくお願いします。