Bộ lọc hạt là phương pháp phổ biến cho phép robot định vị, cho phép robot ước tính vị trí của chúng trong môi trường. chúng dựa vào mô hình xác suất để xử lý sự không chắc chắn và dữ liệu cảm biến nhiễu. hiểu được các nền tảng toán học giúp thiết kế các thuật toán địa phương hiệu quả.

Khung & lưỡi cày

Bộ lọc hạt dựa trên bộ lọc Bayesian, cập nhật khả năng phân phối trạng thái của robot theo thời gian ý tưởng cốt lõi liên quan đến hai bước: dự đoán và cập nhật. Dự đoán sử dụng mô hình chuyển động của robot để ước tính trạng thái mới, trong khi cập nhật các phép đo cảm biến để làm cho ước tính này được thẩm định.

Mô hình toán học

Tình trạng của robot được đại diện bởi một sự phân phối (x t t BAR { 1: t}, u 1: t}), ở đâu (x t) là trạng thái ( t t ), ( z 1 : t t) là các đo lường cảm biến, và ( u 1:) là các dữ liệu nhập vào. Bộ lọc hạt xấp xỉ này với một tập hợp các hạt có trọng lượng:

({x t^{i}, w t^{ [i] {i=1} {i = 1}, nơi mỗi hạt (x t^{ t} có trọng lượng tương ứng ( w t ^{i}. Trọng lượng được cập nhật dựa trên khả năng đo lường cảm biến cho trạng thái hạt.

Tiến trình thay đổi cách thức

Việc tái tạo lại là bước quan trọng để ngăn chặn sự thoái hóa hạt, nơi mà hầu hết trọng lượng trở nên không đáng kể. Nó bao gồm việc chọn các hạt dựa trên trọng lượng của chúng để tạo ra một tập hợp mới cân bằng. Quá trình này duy trì một mẫu đại diện của việc phân phối xác suất.

  • Khởi tạo các hạt
  • Dự đoán sử dụng mô hình chuyển động
  • Cập nhật thẩm định với dữ liệu nhạy
  • Đang thay đổi kích cỡ của các hạt có khả năng xác thực cao