קרנות מתמטיות של חלקיקים ב- Robot Localization

מסנני חלקיקים הם שיטה פופולרית עבור היערכות רובוטית, המאפשרת לרובוטים להעריך את המיקום שלהם בתוך סביבה.הם מסתמכים על מודלים פרוביביליסטיים להתמודד עם אי ודאות ונתונים החיישן רועשים, הבנת היסודות המתמטיים עוזרת בתכנון אלגוריתמים של הייחוד יעיל.

Bayesian Framework

מסננים חלקיקים מבוססים על מסנן Bayesian, אשר מעדכנת את ההפצה ההסתברות של מדינת הרובוט לאורך זמן.הרעיון הליבה כרוך בשני שלבים: חיזוי ועדכון.החיזוי משתמש במודל התנועה של הרובוט כדי להעריך את המדינה החדשה, בעוד העדכון משלב מדידות חיישן כדי לחדד את ההערכה הזו.

מודל מתמטי

מצב הרובוט מיוצג על ידי התפלגות הסתברות ( p(x t z {1:t) , u {1:t) ), שבו ( x t) הוא המדינה בזמן ( t ), ( z {1:t) הם מדידת החיישן, ו ( u {1:t) הם קלטות הבקרה.

(x t^{ [i]}, w t^{[i=1}N, שבו כל חלקיק ( x t^{ [i] יש משקל קשור (W t^{ [i] . [i] .] . [i] ] . [i] .] משקל המשקלים מעודכנים על בסיס הסבירות המדידות החיישן שניתנות למצב החלקיקים.

תהליך הדגימה

הדגימה היא צעד מרכזי למניעת סטיות חלקיקים, שבו רוב המשקלים הופכים רשלניים.זה כרוך בבחירת חלקיקים המבוססים על המשקל שלהם כדי ליצור מערכת חדשה עם משקולות שוות.

• מיפוי של חלקיקים
• תחזית באמצעות מודל תנועה
• עדכון משקל עם נתוני חיישן
• הדגימה להתמקד חלקיקים בעלי יכולת גבוהה