本記事はロボットとAI技術の専門誌『日経Robotics』のデジタル版です
本記事はロボットとAI技術の専門誌『日経Robotics』のデジタル版です
［画像のクリックで別ページへ］

　今回は、Bayes Filter 系の SLAMの内、パーティクルを用いた手法について述べる。ただし、Particle Filter（PF、粒子フィルタ）には次元の呪いの問題があり、そのままではSLAMへの適用が難しい。すなわち、ロボット位置と地図の高次元な状態空間を、パーティクルを用いたモンテカルロ法で直接モデル化することは現実的ではない。高次元の確率分布をパーティクルで充分に表現するには、次元の指数乗で必要な計算量が増加してしまうためである。

　そこでロボット位置と地図を分離して、Particle Filterと他の何らかのフィルタを組み合わせる手法がある。ここでは、Rao-Blackwellized Particle Filter（RBPF）が用いられる。ロボット位置の確率分布のみを、Particle Filterでノンパラメトリックに離散化して表現する。