การ เข้าใจ ฐาน ราก ทาง คณิตศาสตร์ ช่วย ใน การ ออก แบบ อัลกอริทึม ใน ท้อง ถิ่น ที่ มี ประสิทธิภาพ

กรอบภาพ

ตัวกรองอนุภาค อาศัยการกรองของเบเชียน ซึ่งปรับสัดส่วนการแพร่กระจายของสถานะหุ่นยนต์ในช่วงเวลาอื่น ๆ แนวคิดหลักเกี่ยวกับสองขั้นตอน: การคาดการณ์และการปรับปรุง คําทํานายนี้ใช้โมเดลการเคลื่อนไหวของหุ่นยนต์ในการประมาณสถานะใหม่ ในขณะที่การปรับปรุงการเร่งความเร็วของเซ็นเซอร์ เพื่อปรับค่า

โมเดลคณิตศาสตร์

สถานะของหุ่นยนต์นี้ แสดงด้วยการกระจายตัวของความน่าจะเป็น (p(x t) Z BAR BAR t}, u {1: t})))), โดย (x t) เป็นสถานะที่เวลา (t), (z //////t) เป็นการวัดเซ็นเซอร์, และ ( u ///////t) เป็นตัวควบคุม, อนุภาคกรองค่านี้ประมาณค่าของอนุภาค:

([x t^[i]}, w t^[i]}[i]][[[i]]]]] โดยแต่ละอนุภาค (x^^^^[i]) มีน้ําหนักที่สัมพันธ์กัน (w t^(i)) น้ําหนักขึ้นอยู่กับความเป็นไปได้ของเซ็นเซอร์ตามสถานะ

กําลังเรียกโพรเซส

การเพิ่มน้ําหนักเป็นขั้นตอนสําคัญในการป้องกันการเสื่อมสภาพของอนุภาค ที่น้ําหนักส่วนใหญ่กลายเป็นสิ่งที่ตัดทิ้งไม่ได้

  • เริ่มการเริ่มอนุภาค
  • กําหนดล่วงหน้าโดยใช้โมเดลการย้าย
  • ปรับปรุงความเข้มแสงด้วยข้อมูลเซ็นเซอร์
  • โฟกัสไปที่อนุภาคที่มีโอกาสสูง