人力検索はてな
モバイル版を表示しています。PC版はこちら
i-mobile

Markov Localization Algorithmについて質問いたします。実は急なプレゼンテーションを頼まれてしまいまして、先のアルゴリズムのフローチャート版を探しております。http://www-2.cs.cmu.edu/afs/cs/project/jair/pub/volume11/fox99a-html/node6.html に詳しいアルゴリズムの説明がございます。
英語でのプレゼンテーションなので、英語版または、消せる範囲の日本語で書かれているものを希望いたします。よろしくおねがいします。

●質問者: novUofMN
●カテゴリ:コンピュータ 科学・統計資料
✍キーワード:アルゴリズム フローチャート プレゼンテーション 希望 日本語
○ 状態 :終了
└ 回答数 : 1/1件

▽最新の回答へ

1 ● nomos
●150ポイント

http://robots.stanford.edu/

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.

◎質問者からの返答

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。

関連質問


●質問をもっと探す●



0.人力検索はてなトップ
8.このページを友達に紹介
9.このページの先頭へ
対応機種一覧
お問い合わせ
ヘルプ/お知らせ
ログイン
無料ユーザー登録
はてなトップ