Hiukkassuodattimet ovat suosittu menetelmä robotti lokalisointi, jonka avulla robotit voivat arvioida sijaintinsa ympäristössä. He luottavat probabilististen mallien käsitellä epävarmuutta ja meluisa sensorien tietoja. Ymmärtäminen matemaattiset säätiöt auttaa suunnittelussa tehokkaita lokalisointi algoritmeja.

Bayesian-puitteet

Hiukkassuodattimet perustuvat Bayesian suodatukseen, joka päivittää robotin tilan todennäköisyysjakaumaa ajan mittaan. Ydinajatukseen kuuluu kaksi vaihetta: ennustaminen ja päivitys. Ennustus käyttää robotin liikemallia uuden tilan arviointiin, kun taas päivitys sisältää sensorimittauksia tarkentaakseen tätä arviota.

Matemaattinen malli

Robotin tilaa edustaa todennäköisyysjakauma (p(x t ... z {1:t}, u {1:t}), jossa (x t) on tila ajankohtana (t), ( z {1:t}) ovat anturin mittaukset ja (u {1:t}) ovat ohjaussyötteitä. Hiukkassuodatin lähentää tätä jakautumista painotettujen hiukkasten sarjaan:

({x t^{[i]}, w t^{[i]} {i=1}^N), jossa jokaisella partikkelilla (x t^[i]}) on siihen liittyvä paino (w t^[i]}). Painot päivitetään hiukkasen tilan perusteella mitattujen sensorimittausten todennäköisyyden perusteella.

Prosessin uudelleenkartoitus

Uudelleenampuminen on avainaskel estää hiukkasten rappeutumista, jossa useimmat painot tulevat merkityksettömiä. Siihen kuuluu partikkelien valitseminen painojen perusteella muodostaa uuden sarjan, jossa on samat painot. Tämä prosessi ylläpitää edustavaa näytettä todennäköisyysjakaumasta.

  • Hiukkasten alustus
  • Ennuste motion-mallilla
  • Painon päivitys anturitiedoilla
  • Keskittyminen korkean todennäköisyyden hiukkasiin