Submit Search
Upload
確率ロボティクスの復習とF^3RCでの使い方
•
Download as PPTX, PDF
•
1 like
•
417 views
Keio Robotics Association
Follow
F^3RCでのカルマンフィルタの適用と今までの復習(一年生発表)
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 21
Download now
Recommended
slideshareからspeakerdeckに移行しました。 https://speakerdeck.com/shiba24 -------- Sebastian Thrunによる『確率ロボティクス』(Probabilistic Robotics)の有志による読み会資料です。6章〜7章の解説。
Probabilistic Robotics: Chapter 6-7
Probabilistic Robotics: Chapter 6-7
Shintaro Shiba
stm32を用いてロボコン向けに活用できる技術を紹介したい高度な内容ができる反面嵌りやすいがサンプルを交えてテクニックやワンポイントを紹介 サンプルはこちら https://drive.google.com/open?id=1gA2wfi5YrSgIyFdHbEm-l_MZrUL55dLa
ロボコン勉強会向けStm32を用いてマスタースレーブシステム
ロボコン勉強会向けStm32を用いてマスタースレーブシステム
DoNabe1
セキュリティ・キャンプフォーラム2015 ローレイヤー勉強会で発表した内容です。
ゼロから始める自作 CPU 入門
ゼロから始める自作 CPU 入門
Hirotaka Kawata
Verilog-HDL Tutorial Using DE0 FPGA Board
Verilog-HDL Tutorial (14)
Verilog-HDL Tutorial (14)
Hiroki Nakahara
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる。
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
PlayStation4(PS4)用ゲームソフトGran Turismo (GT) Sportを用いて深層強化学習エージェントと人間のプロが対決.このゲームは実際のレースカーの非線形制御の課題を忠実に再現している.強化学習エージェントの学習にあたって、最先端のモデルフリーの深層強化学習アルゴリズムOR-SACの開発,スポーツマンシップを守りつつ競争力のある報酬関数の構築,更に学習シナリオにも工夫を加えたことで卓越したスピードと優れた戦術を組み合わせた統合制御方策を学習した.本論文のエージェント,Gran Turismo Sophy(GT Sophy)は世界最高のGTのドライバー4人と直接対決の末、勝利を飾った.
Outracing champion Gran Turismo drivers with deep reinforcement learning
Outracing champion Gran Turismo drivers with deep reinforcement learning
harmonylab
第1回ROS勉強会で発表した時のスライドです。
第1回ROS勉強会発表資料 ROS+Gazeboではじめるロボットシミュレーション
第1回ROS勉強会発表資料 ROS+Gazeboではじめるロボットシミュレーション
akio19937
第五回ROS勉強会 @名古屋での資料です。 tfをちゃんと理解しなおそうと思ってソースを読んでかきました。 tf2の変更点にも触れています。
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
Recommended
slideshareからspeakerdeckに移行しました。 https://speakerdeck.com/shiba24 -------- Sebastian Thrunによる『確率ロボティクス』(Probabilistic Robotics)の有志による読み会資料です。6章〜7章の解説。
Probabilistic Robotics: Chapter 6-7
Probabilistic Robotics: Chapter 6-7
Shintaro Shiba
stm32を用いてロボコン向けに活用できる技術を紹介したい高度な内容ができる反面嵌りやすいがサンプルを交えてテクニックやワンポイントを紹介 サンプルはこちら https://drive.google.com/open?id=1gA2wfi5YrSgIyFdHbEm-l_MZrUL55dLa
ロボコン勉強会向けStm32を用いてマスタースレーブシステム
ロボコン勉強会向けStm32を用いてマスタースレーブシステム
DoNabe1
セキュリティ・キャンプフォーラム2015 ローレイヤー勉強会で発表した内容です。
ゼロから始める自作 CPU 入門
ゼロから始める自作 CPU 入門
Hirotaka Kawata
Verilog-HDL Tutorial Using DE0 FPGA Board
Verilog-HDL Tutorial (14)
Verilog-HDL Tutorial (14)
Hiroki Nakahara
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる。
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
PlayStation4(PS4)用ゲームソフトGran Turismo (GT) Sportを用いて深層強化学習エージェントと人間のプロが対決.このゲームは実際のレースカーの非線形制御の課題を忠実に再現している.強化学習エージェントの学習にあたって、最先端のモデルフリーの深層強化学習アルゴリズムOR-SACの開発,スポーツマンシップを守りつつ競争力のある報酬関数の構築,更に学習シナリオにも工夫を加えたことで卓越したスピードと優れた戦術を組み合わせた統合制御方策を学習した.本論文のエージェント,Gran Turismo Sophy(GT Sophy)は世界最高のGTのドライバー4人と直接対決の末、勝利を飾った.
Outracing champion Gran Turismo drivers with deep reinforcement learning
Outracing champion Gran Turismo drivers with deep reinforcement learning
harmonylab
第1回ROS勉強会で発表した時のスライドです。
第1回ROS勉強会発表資料 ROS+Gazeboではじめるロボットシミュレーション
第1回ROS勉強会発表資料 ROS+Gazeboではじめるロボットシミュレーション
akio19937
第五回ROS勉強会 @名古屋での資料です。 tfをちゃんと理解しなおそうと思ってソースを読んでかきました。 tf2の変更点にも触れています。
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
長岡技術科学大学 2015年度GPGPU実践プログラミング(全15回,学部4年対象講義) 第12回偏微分方程式の差分計算 2015年度GPGPU実践プログラミング ・第1回 GPGPUの歴史と応用例 http://www.slideshare.net/ssuserf87701/2015gpgpu1-59179080 ・第2回 GPUのアーキテクチャとプログラム構造 http://www.slideshare.net/ssuserf87701/2015gpgpu2-59179215 ・第3回 GPGPUプログラミング環境 http://www.slideshare.net/ssuserf87701/2015gpgpu3-59179255 ・第3回補足 GROUSEの利用方法 http://www.slideshare.net/ssuserf87701/2015gpgpu3-59183677 ・第4回 GPUでの並列プログラミング(ベクトル和,移動平均,差分法) http://www.slideshare.net/ssuserf87701/2015gpgpu4-59179449 ・第5回 GPUのメモリ階層 http://www.slideshare.net/ssuserf87701/2015gpgpu5-59179536 ・第6回 パフォーマンス解析ツール http://www.slideshare.net/ssuserf87701/2015gpgpu6-59179577 ・第7回 総和計算 http://www.slideshare.net/ssuserf87701/2015gpgpu7-59179639 ・第8回 総和計算(高度な最適化) http://www.slideshare.net/ssuserf87701/2015gpgpu8-59179686 ・第9回 行列計算(行列-行列積) http://www.slideshare.net/ssuserf87701/2015gpgpu9-59179722 ・第10回 行列計算(行列-行列積の高度な最適化) http://www.slideshare.net/ssuserf87701/2015gpgpu10-59179759 ・第11回 画像処理 http://www.slideshare.net/ssuserf87701/2015gpgpu11-59179789 ・第12回 偏微分方程式の差分計算 http://www.slideshare.net/ssuserf87701/2015gpgpu12-59179972 ・第13回 多粒子の運動 http://www.slideshare.net/ssuserf87701/2015gpgpu13-59180018 ・第14回 N体問題 http://www.slideshare.net/ssuserf87701/2015gpgpu14-59180054 ・第15回 GPU最適化ライブラリ http://www.slideshare.net/ssuserf87701/2015gpgpu15-59180086 2015年度先端GPGPUシミュレーション工学特論 ・第1回 先端シミュレーションおよび産業界におけるGPUの役割 http://www.slideshare.net/ssuserf87701/2015gpgpu1-59180313 2015年度GPGPU実践基礎工学 ・第1回 学際的分野における先端シミュレーション技術の歴史 http://www.slideshare.net/ssuserf87701/2015gpgpu1 講義には長岡技術科学大学のGPGPUシステム(GROUSE)を利用しています。 開発環境 CPU Intel Xeon X5670 × 32 GPU NVIDIA Tesla M2050(Fermi世代) × 64 CUDA 4.0(諸般の事情によりバージョンアップされていません) PGI Fortran 11.3
2015年度GPGPU実践プログラミング 第12回 偏微分方程式の差分計算
2015年度GPGPU実践プログラミング 第12回 偏微分方程式の差分計算
智啓 出川
日本ソフトウェア科学会 キックオフシンポジウム 基調講演2 Speaker: 杉山将(理研AIP/東京大学)
機械学習研究の現状とこれから
機械学習研究の現状とこれから
MLSE
ベイズ推定の一般論。
確率ロボティクス第三回
確率ロボティクス第三回
Ryuichi Ueda
強化学習若手の会チュートリアル、部分観測マルコフ決定過程 (POMDP) 下での強化学習の基礎と応用の資料です。
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
2019 農業食料工学会全国大会
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Masahiro Tsukano
Binderのはじめの一歩とAndroid
Binderのはじめの一歩とAndroid
l_b__
第27回 ROS Japan 勉強会講演資料 https://rosjp.connpass.com/event/111853/
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
作者: 陳鍾誠
系統程式 - 附錄
系統程式 - 附錄
鍾誠 陳鍾誠
講義資料です。
確率ロボティクス第二回
確率ロボティクス第二回
Ryuichi Ueda
OSC 北海道 2016 で使った資料です。
Djangoフレームワークの紹介
Djangoフレームワークの紹介
Shinya Okano
Effective Modern C++勉強会資料 https://github.com/herumi/emcjp
templateとautoの型推論
templateとautoの型推論
MITSUNARI Shigeo
SSII 2019 OS 講演資料 https://confit.atlas.jp/guide/event/ssii2019/static/organized
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
「Dronecodeの概要とROSの対応について」 第7回ROS勉強会@ドワンゴ(2015 10-04)
Dronecodeの概要とROSの対応について
Dronecodeの概要とROSの対応について
博宣 今村
MPCの説明at robosemi
MPC概説.pptx
MPC概説.pptx
MichikuniEguchi
第6回3D勉強会@関東「SLAM 勉強会」講演資料 https://3dvision.connpass.com/event/156241/
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
Yuta Kikuchi
低レイヤー入門
低レイヤー入門
demuyan
名古屋GeekBar(June-3,2011)発表分
基礎から学ぶ組み込みAndroid
基礎から学ぶ組み込みAndroid
demuyan
強化学習の基礎と自然方策勾配を利用する強化学習手法についてのざっくりとした説明.
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
Ryo Iwaki
2018/05/27の3D Vision勉強会@関東の発表資料です。 ORB-SLAMコードリーディング
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
定例会スライド_キャチs 公開用.pdf
定例会スライド_キャチs 公開用.pdf
定例会スライド_キャチs 公開用.pdf
Keio Robotics Association
慶應ロ技研内で表面実装を教えるために作った資料です 手はんだ可能なように作られた部品しか扱ってないのでそんなに深いことは書いてません
表面実装講習会資料
表面実装講習会資料
Keio Robotics Association
More Related Content
What's hot
長岡技術科学大学 2015年度GPGPU実践プログラミング(全15回,学部4年対象講義) 第12回偏微分方程式の差分計算 2015年度GPGPU実践プログラミング ・第1回 GPGPUの歴史と応用例 http://www.slideshare.net/ssuserf87701/2015gpgpu1-59179080 ・第2回 GPUのアーキテクチャとプログラム構造 http://www.slideshare.net/ssuserf87701/2015gpgpu2-59179215 ・第3回 GPGPUプログラミング環境 http://www.slideshare.net/ssuserf87701/2015gpgpu3-59179255 ・第3回補足 GROUSEの利用方法 http://www.slideshare.net/ssuserf87701/2015gpgpu3-59183677 ・第4回 GPUでの並列プログラミング(ベクトル和,移動平均,差分法) http://www.slideshare.net/ssuserf87701/2015gpgpu4-59179449 ・第5回 GPUのメモリ階層 http://www.slideshare.net/ssuserf87701/2015gpgpu5-59179536 ・第6回 パフォーマンス解析ツール http://www.slideshare.net/ssuserf87701/2015gpgpu6-59179577 ・第7回 総和計算 http://www.slideshare.net/ssuserf87701/2015gpgpu7-59179639 ・第8回 総和計算(高度な最適化) http://www.slideshare.net/ssuserf87701/2015gpgpu8-59179686 ・第9回 行列計算(行列-行列積) http://www.slideshare.net/ssuserf87701/2015gpgpu9-59179722 ・第10回 行列計算(行列-行列積の高度な最適化) http://www.slideshare.net/ssuserf87701/2015gpgpu10-59179759 ・第11回 画像処理 http://www.slideshare.net/ssuserf87701/2015gpgpu11-59179789 ・第12回 偏微分方程式の差分計算 http://www.slideshare.net/ssuserf87701/2015gpgpu12-59179972 ・第13回 多粒子の運動 http://www.slideshare.net/ssuserf87701/2015gpgpu13-59180018 ・第14回 N体問題 http://www.slideshare.net/ssuserf87701/2015gpgpu14-59180054 ・第15回 GPU最適化ライブラリ http://www.slideshare.net/ssuserf87701/2015gpgpu15-59180086 2015年度先端GPGPUシミュレーション工学特論 ・第1回 先端シミュレーションおよび産業界におけるGPUの役割 http://www.slideshare.net/ssuserf87701/2015gpgpu1-59180313 2015年度GPGPU実践基礎工学 ・第1回 学際的分野における先端シミュレーション技術の歴史 http://www.slideshare.net/ssuserf87701/2015gpgpu1 講義には長岡技術科学大学のGPGPUシステム(GROUSE)を利用しています。 開発環境 CPU Intel Xeon X5670 × 32 GPU NVIDIA Tesla M2050(Fermi世代) × 64 CUDA 4.0(諸般の事情によりバージョンアップされていません) PGI Fortran 11.3
2015年度GPGPU実践プログラミング 第12回 偏微分方程式の差分計算
2015年度GPGPU実践プログラミング 第12回 偏微分方程式の差分計算
智啓 出川
日本ソフトウェア科学会 キックオフシンポジウム 基調講演2 Speaker: 杉山将(理研AIP/東京大学)
機械学習研究の現状とこれから
機械学習研究の現状とこれから
MLSE
ベイズ推定の一般論。
確率ロボティクス第三回
確率ロボティクス第三回
Ryuichi Ueda
強化学習若手の会チュートリアル、部分観測マルコフ決定過程 (POMDP) 下での強化学習の基礎と応用の資料です。
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
2019 農業食料工学会全国大会
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Masahiro Tsukano
Binderのはじめの一歩とAndroid
Binderのはじめの一歩とAndroid
l_b__
第27回 ROS Japan 勉強会講演資料 https://rosjp.connpass.com/event/111853/
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
作者: 陳鍾誠
系統程式 - 附錄
系統程式 - 附錄
鍾誠 陳鍾誠
講義資料です。
確率ロボティクス第二回
確率ロボティクス第二回
Ryuichi Ueda
OSC 北海道 2016 で使った資料です。
Djangoフレームワークの紹介
Djangoフレームワークの紹介
Shinya Okano
Effective Modern C++勉強会資料 https://github.com/herumi/emcjp
templateとautoの型推論
templateとautoの型推論
MITSUNARI Shigeo
SSII 2019 OS 講演資料 https://confit.atlas.jp/guide/event/ssii2019/static/organized
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
「Dronecodeの概要とROSの対応について」 第7回ROS勉強会@ドワンゴ(2015 10-04)
Dronecodeの概要とROSの対応について
Dronecodeの概要とROSの対応について
博宣 今村
MPCの説明at robosemi
MPC概説.pptx
MPC概説.pptx
MichikuniEguchi
第6回3D勉強会@関東「SLAM 勉強会」講演資料 https://3dvision.connpass.com/event/156241/
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
Yuta Kikuchi
低レイヤー入門
低レイヤー入門
demuyan
名古屋GeekBar(June-3,2011)発表分
基礎から学ぶ組み込みAndroid
基礎から学ぶ組み込みAndroid
demuyan
強化学習の基礎と自然方策勾配を利用する強化学習手法についてのざっくりとした説明.
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
Ryo Iwaki
2018/05/27の3D Vision勉強会@関東の発表資料です。 ORB-SLAMコードリーディング
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
What's hot
(20)
2015年度GPGPU実践プログラミング 第12回 偏微分方程式の差分計算
2015年度GPGPU実践プログラミング 第12回 偏微分方程式の差分計算
機械学習研究の現状とこれから
機械学習研究の現状とこれから
確率ロボティクス第三回
確率ロボティクス第三回
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Binderのはじめの一歩とAndroid
Binderのはじめの一歩とAndroid
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
系統程式 - 附錄
系統程式 - 附錄
確率ロボティクス第二回
確率ロボティクス第二回
Djangoフレームワークの紹介
Djangoフレームワークの紹介
templateとautoの型推論
templateとautoの型推論
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Dronecodeの概要とROSの対応について
Dronecodeの概要とROSの対応について
MPC概説.pptx
MPC概説.pptx
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
低レイヤー入門
低レイヤー入門
基礎から学ぶ組み込みAndroid
基礎から学ぶ組み込みAndroid
自然方策勾配法の基礎と応用
自然方策勾配法の基礎と応用
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
More from Keio Robotics Association
定例会スライド_キャチs 公開用.pdf
定例会スライド_キャチs 公開用.pdf
定例会スライド_キャチs 公開用.pdf
Keio Robotics Association
慶應ロ技研内で表面実装を教えるために作った資料です 手はんだ可能なように作られた部品しか扱ってないのでそんなに深いことは書いてません
表面実装講習会資料
表面実装講習会資料
Keio Robotics Association
ロボットについて勉強するときに役に立った資料などです
Useful Documents for Studying Robotics
Useful Documents for Studying Robotics
Keio Robotics Association
Probabilistic Robotics Chapter 4 ParticleFilter
Probabilistic roboticschapter4
Probabilistic roboticschapter4
Keio Robotics Association
制御工学とディープラーニングの関わりについて
システム制御とディープラーニング
システム制御とディープラーニング
Keio Robotics Association
確率ロボティクス2~3回目の資料、KFとEKF以外はかなり端折ってる
確率ロボティクス輪読会 3章
確率ロボティクス輪読会 3章
Keio Robotics Association
知識があんまりないときに作ったやつで、ミスが多いと思う
Depth Estimation論文紹介
Depth Estimation論文紹介
Keio Robotics Association
NHKロボコンで使った画像処理の解説
NHKロボコンでの画像処理
NHKロボコンでの画像処理
Keio Robotics Association
確率ロボティクス輪読会第一回 グラフィカルモデルとカルマンフィルタの説明をちょっと
Graphical model and kf
Graphical model and kf
Keio Robotics Association
More from Keio Robotics Association
(9)
定例会スライド_キャチs 公開用.pdf
定例会スライド_キャチs 公開用.pdf
表面実装講習会資料
表面実装講習会資料
Useful Documents for Studying Robotics
Useful Documents for Studying Robotics
Probabilistic roboticschapter4
Probabilistic roboticschapter4
システム制御とディープラーニング
システム制御とディープラーニング
確率ロボティクス輪読会 3章
確率ロボティクス輪読会 3章
Depth Estimation論文紹介
Depth Estimation論文紹介
NHKロボコンでの画像処理
NHKロボコンでの画像処理
Graphical model and kf
Graphical model and kf
確率ロボティクスの復習とF^3RCでの使い方
1.
確率ロボティクス F^3RCにどのように活用できるか 2018/6/19 安田 森川
2.
F^3RC
3.
各ロボットの動き 自動機 • ガチアサリをガチアサリ 置き場に持っていく • ゴールエリアにアサリを持っていく(10個以上) 手動機 •
アサリを回収 ⇒ガチアサリを作る • ハマグリをハマグリ台に持っ ていく チャンスタイム ノックアウト 勝利
4.
自動機
5.
自動機 自 ガチアサリの 受け取り
6.
自動機 ガチアサリ を置く 自 ガチアサリの 受け取り
7.
自動機 ガチアサリ を置く自 アサリを拾う ガチアサリの 受け取り
8.
自動機 ガチアサリ を置く 自 アサリを拾う アサリを置く ガチアサリの 受け取り
9.
自動機 ガチアサリ を置く 自 アサリを拾う アサリを置く ガチアサリの 受け取り 移動が多い 正確な位置に 移動する必要がある
10.
自動機 移動が多い 正確な位置に 移動する必要がある 不確実さに対応 する必要がある 相手の妨害 フィールドの誤差 センサの測定ミス など が使えそう あとは 安田 君
に任せます。
11.
ここまでの復習 (2章、3章、4章)
12.
確率ロボティクス(ここまでの内容) 2章(再帰的状態推定)(今回は割愛) ・ベイズフィルタ 3章 (ガウシアンフィルタ) ・カルマンフィルタ ・EKF(拡張カルマンフィルタ) ・UKF(アンセンデットカルマンフィルタ) ・情報フィルタ 4章 (ノンパラメトリックフィルタ) ・ヒストグラムフィルタ ・パーティクルフィルタ
13.
カルマンフィルタ ・線形ガウス型モデル。 ・状態遷移確率と計測確率がガウス雑音を足した線形関数で、 初期信念が正規分布。 利点 ・ガウス関数のパラメータのみで計算が行えるため、計算効率が いい。 欠点 ・状態遷移や計測が線形であることは滅多にない。
14.
EKF(拡張カルマンフィルタ) ・カルマンフィルタを非線形に拡張する。 ・変換後の確率密度関数はガウス分布に従わないため、テイラ ー展開を用いて、線形近似をする。 ・テイラー展開をする段階でヤコビ行列の計算を行う。 利点 ・計算効率がいい(カルマンフィルタとあまり変わらない) 欠点 ・単なる線形近似なので時間がたっていくと不正確になっていく。 ・局所的非線形性に近似性能が左右される。
15.
UKF(アンセンテッドカルマンフィルタ) ・線形化の方法としてアンセンテッド変換を使う。 ・シグマ点がガウス分布から抽出される。 利点 ・ヤコビ行列を計算しなくてよい。(微分なしフィルタ) ・非線形系では精度の良い結果がでる。 欠点 ・計算コストが高い
16.
情報フィルタ ・情報行列、情報ベクトルでガウス分布を表現する。 ・カルマンフィルタと双対をなすフィルタで、互いに直交する 利点と欠点をもつ。 利点 ・計測更新が簡単で、計算効率がいい。 欠点 ・予測ステップで逆行列を2回計算するため、計算に時間がか かる。
17.
ヒストグラムフィルタ ・ノンパラメトリックフィルタ ・確率密度関数をヒストグラムで近似する。 利点 ・ヒストグラムの解像度を調整すると、正確さと計算効率を調節 できる。(ツリー表現) 欠点 ・動的離散化は効果的だが実装が難しい。
18.
パーティクルフィルタ ・ノンパラメトリックフィルタ ・状態空間にパーティクルを撒いて、状態遷移を予測。 ・確率分布を計算して、尤度の低いパーティクルを高いパーテ ィクルの位置に撒き直す。(リサンプリング) 利点 ・ガウス分布に近似しているわけではないので非常に精度が高い。 欠点 ・パーティクルの数が多く必要なので、計算コストが高い。
19.
どれを使おうか? UKF が良さそう
20.
UKFを選んだ理由 ・テイラー展開をするときに必要なヤコビ行列をそもそも 計算しなくていい。 ・アンセンテッド変換はテイラー展開の2~3次程度の近似精度 があることがわかっている。 ・システムの動特性に微分できない非線形性が含まれていても そのまま利用できる。(微分なしフィルタ) ・非線形系に対して、精度はEKFと同じかそれ以上で、計算時間 はわずかに負けるが大差ない。
21.
もしF^3RC で使うなら ・自動機に搭載 ・壁からのロボットの距離を計測として測距センサで読み取る。 ・オドメトリでロボットを制御。 ・計測値を測距センサの値、制御をオドメトリとして、UKFで つなげる。 実際はEKFのほうが多く使われているらしい(なぜ?)
Download now