イラストで学ぶ人工知能概論を再度勉強する　第10章　粒子フィルタ

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、事前情報がない迷路で自己位置推定と地図作成を同時に行う

第10章　粒子フィルタ

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

講義スライド

10.1　ベイズフィルタの問題点

存在確率が極めて低い状態もすべて保持する必要があり、コストが莫大になる

10.2　モンテカルロ近似

サンプリング：確率分布からサンプル点を抽出し、離散化する

モンテカルロ法：サイコロを振るように試行を行った結果をサンプル点とする

モンテカルロ近似：サンプル点の値を、区間内保持して確率分布関数（連続化）して、確率分布を近似する

10.3　粒子フィルタ

確率分布から振りだしたたった1つのサンプル点でモンテカルロ近似する。粒子フィルタ全体では多数のサンプル点になるので近似が可能となる

10.4　通路上のホイールダック2号の位置推定（粒子フィルタ編）

5マスの迷路状に置かれたホイールダック2号が粒子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

10.5　SLAM:自己位置と地図の同時推定

SLAM：自己位置推定と地図更新を同時に行う

本章の最重要ポイント

ベイズフィルタより実用的な粒子フィルタ
粒子フィルタのキモは、各状態でたった1つのサンプル点を抽出し、モンテカルロ近似を行うこと
SLAMの登場により、実環境で移動する実用的なロボットが可能になった。

おわりに

9章、10章の2回かけてSLAMにたどり着いた。
SLAMの詳細は各自の勉強に委ねられた。

SLAMをブラックボックスとして使っている人と
根底の仕組みを理解している人とでは
どこかで大きな差が出てくるのだろう