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］
　

　第8回から前回まで、Bayes Filter系による自己位置推定について説明してきた。今回から、SLAMに移る。まず、Bayes Filterを用いたSLAMの概要について述べる。自己位置推定がベースになるが、ロボット位置だけでなく地図も推定する。

　同じ逐次型であるスキャンマッチング系でSLAMを行う場合、実態としてはスキャンマッチングは自己位置推定のみをしていた。求めたロボット位置に基づき、地図生成（Mapping with Known Poses）を別途行うことで、SLAMを実現する形式である。ロボット位置は確率的には表現されず、地図も確率的でないことが多い。これに対してBayes Filter系によるSLAMでは、ロボット位置と地図を共に確率的に扱い、統一した枠組みで両者を推定する。