Samanaikaisesti lokalisointi ja kartoitus (SLAM) on perusongelma robotiikan ja autonomisten järjestelmien. Se edellyttää arviota robotin asemasta samalla rakentaa karttaa ympäristöstä. SLAMin matemaattiset perusteet tarjoavat perustan kehittää algoritmeja, jotka voivat suorittaa tarkkoja ja tehokkaita tilan estimointia reaalimaailmassa skenaarioita.

Matemaattinen malli SLAM

SLAM-ongelma voidaan mallintaa probabilistisilla kehyksillä. Robotin tilaan kuuluu sen sijainti, suunta ja karttaominaisuudet. Mittaus- ja ohjaussyötteitä käsitellään satunnaisina muuttujina, mikä johtaa yhteiseen todennäköisyysjakaumaan, joka tallentaa järjestelmän epävarmuuden.

Bayesian-suodatuslähestymistapa

Bayesian suodatus käytetään yleisesti arvioimaan robotin tilaa ajan mittaan. Rekursiiviseen prosessiin kuuluu kaksi vaihetta: ennustaminen ja päivitys. Ennustus käyttää motion malli projisoida nykyisen tilan eteenpäin, kun taas päivitys sisältää sensorimittaukset tarkentaa arviota.

Arvioitujen yhtälöiden devolling

Ydin yhtälöt SLAM on johdettu Bayes "lause. Jälkikäteen todennäköisyys valtion annetaan kaikki mittaukset on verrannollinen todennäköisyys mittauksia, kun otetaan huomioon valtion ja ennakko todennäköisyys valtion. Matematiikan, tämä on ilmaistu:

P(x[t[] ... ...............................................................................................................................................................................................................................

jossa xt on ajan t tila, z1:t ovat mittausten aika-t, ja u[1:t[] ovat ohjaussyötteitä. Rekursiiviset yhtälöt sisältävät aiemman ja päivittämisen uusilla mittauksilla, jotka toteutetaan usein laajennettujen Kalman Suodattimien (EKF) tai hiukkassuodattimien avulla.

Käytännön toteutus

Käytännössä yhtälöt ovat lineaarisia käsitellä epälineaarisia malleja. EKF-pohjainen SLAM käyttää Jacobian matriisit likimääräistä epälineaarisia toimintoja. Hiukkassuodattimet taas edustavat todennäköisyysjakauman joukko näytteitä, jolloin monimutkaisempia jakaumat.

Nämä johdokset ja algoritmit mahdollistavat robotit suorittaa reaaliaikaista lokalisointia ja kartoitusta, joka on välttämätöntä autonomiselle navigoinnille tuntemattomissa ympäristöissä.