イラストで学ぶ人工知能概論を再度勉強する 第９章 ベイズフィルタ
はじめに
とある理由で
「二重文節構造」のアイデアに触れた時から大ファンになった
谷口忠大先生の名著「イラストで学ぶ人工知能概論」を
じっくり勉強しなおしたくなって
改訂第2版を購入しなおした。
本noteは、その備忘録
ホイールダック2号、観測結果から自己位置推定を行う
第９章 ベイズフィルタ
講義スライドと谷口忠大先生本人の講義動画が
谷口忠大先生から提供されています
9.1 状態推定の問題
以下の2つの理由で自己位置を確実に決定するのは難しい
・観測誤差や観測結果の誤認識
・同じ（もしくはよく似た）観測結果が得られる状態が複数存在する
部分観測マルコフ決定過程：マルコフ決定過程の状態ｓの代わりに状態ｓに依存して確率的に生成される観測結果ｏが得られる
9.2 ベイズフィルタ
ベイズの定理の、「観測結果から予測（生起確率）をより正確なものに修正する」性質を自己位置推定に応用する。
9.3 通路上のホイールダック2号の位置推定（ベイズフィルタ編）
5マスの迷路状に置かれたホイールダック2号がベイズフィルタを用いて自己位置推定を行うシミュレーションをしてみる
9.4 部分観測マルコフ決定過程と状態推定の展開
予測：未来の推定を推定する
フィルタリング：現在の推定を推定する
平滑化：過去の推定を推定する
カルマンフィルタ：状態遷移モデルと観測モデルがともに線形かつノイズが正規分布のベイズフィルタ
部分観測マルコフ決定過程に基づく強化学習：状態遷移モデルも観測モデルも既知としない強化学習で、より現実に近い状況で強化学習を行う
本章の最重要ポイント
状態空間を、過去の一連の観測結果と行動から推定するベイズフィルタの戦略を学習した
おわりに
現在盛んに研究されている、
「地図を作成しながら自己位置推定をして行動するロボット」
を可能にしたSLIMの基礎に到達した。
谷口先生の講義は
さまざまな技術を高所から俯瞰しているので
それぞれの技術の現在地と課題が明確に見えるのでありがたい
いいなと思ったら応援しよう！
