JP4389046B2 - 状態ベクトル推定方法および自律型移動体 - Google Patents
状態ベクトル推定方法および自律型移動体 Download PDFInfo
- Publication number
- JP4389046B2 JP4389046B2 JP2005237541A JP2005237541A JP4389046B2 JP 4389046 B2 JP4389046 B2 JP 4389046B2 JP 2005237541 A JP2005237541 A JP 2005237541A JP 2005237541 A JP2005237541 A JP 2005237541A JP 4389046 B2 JP4389046 B2 JP 4389046B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- observation
- state vector
- calculating
- gaussian function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 83
- 239000013598 vector Substances 0.000 title claims description 57
- 238000009826 distribution Methods 0.000 claims description 78
- 230000007704 transition Effects 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 5
- 230000006870 function Effects 0.000 description 36
- 230000008569 process Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 241000283984 Rodentia Species 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241001529936 Murinae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Description
J.Borenstein et al.: Navigating Mobile Robots : Systems and Techniques. A.K. Peters, Ltd., 1996. C.F.Olson : IEEE Trans. On Robotics and Automation, 16(1), 55-66, 2000. S. Thrun et al. : Artificial Intelligence, 128(1-2), 99-141, 2001.
この発明の他の局面に従うと、自律型移動体であって、行動命令に従って、自律型移動体を駆動するための駆動手段と、自律型移動体の環境の観測量を獲得するための観測センサと、駆動手段に対して複数の行動命令を出力する制御部とを備え、制御部は、自律型移動体の状態ベクトルが複数の行動命令と白色ガウスノイズに依存する状態遷移方程式に基づいて遷移するとの状態遷移モデルを用いて、観測される観測量から状態ベクトルを推定して、自律型移動体の動作を制御し、制御部は、事前に観測された校正用のデータの組の入出力特性を確率的正規化動径基底関数ネットワークに変換して観測モデルを生成する観測モデル生成手段と、現タイムステップまでの観測情報の履歴が与えられた場合の状態ベクトルの条件付き確率密度関数が複数個の第1のガウス関数成分からなる第1の混合ガウス分布によって与えられるとするとき、次タイムステップの状態ベクトルの予測分布を状態遷移モデルに基づいて算出する予測分布算出手段と、次タイムステップにおいて観測センサにより観測量を獲得する観測処理手段と、観測モデル、算出された予測分布ならびに次タイムステップで観測された観測量に基づいて、次タイムステップまでの観測情報の履歴が与えられた場合の状態ベクトルの事後分布を複数個の第2のガウス関数成分からなる第2の混合ガウス分布として算出する事後分布算出手段と、事後分布に基づいて、状態ベクトルの期待推定量を算出する推定量算出手段と、予測分布算出手段、観測処理手段、事後分布算出手段および推定量算出手段による処理を、第1のガウス関数分布成分を第2のガウス関数成分により置換して、所定の条件が満たされるまで繰り返す反復手段とを備える。
(本発明の概要)
以下では、本発明の状態ベクトル推定方法が適用される制御対象の例としては自立型移動体で説明を行なう。そして、自立型移動体である自律型移動ロボットの例として、サイバーローデント(Cyber Rodent:CR)を取り上げ、このCRの自己位置同定問題を例として、本発明に係る状態ベクトル推定方法を適用した自己位置同定方法を説明する。
以下では、本発明の自己位置の同定方法の具体的なアルゴリズムの説明を行なう前提として、自己位置の同定方法の原理について概略説明する。
まず、以下のように、2種類の確率分布を使ってCR100の動作環境をモデル化する。
事前に用意されたセンサキャリブレーション用データセットをD≡{(x(k),y(k));k=1,…,K}とする。ここで、yは状態xの時に観測されたセンサ値を6次元ベクトルと表したものであり、kはデータ順を表すインデクスである。
状態遷移モデル(1)式および観測モデル(2)式が構築されると、各時刻において直接観測できない状態ベクトルは逐次ベイズ推定法によって推定することができる。
図3は、本発明の自己位置同定方法を用いた制御装置が適用される自律型移動ロボットCR100の構成の一例を示す機能ブロック図である。
上述した自己位置の同定方法を実際に制御プログラムとして実装するにあたっては、以下のような工夫が必要である。
(初期設定)
図5〜7は、以上の説明した方法により、CR100の自己位置の同定処理を実行させるための計算手続きを示すフローチャートである。
(自己位置の同定)
次に、図6および図7を参照して、図5のステップS112の処理について、さらに詳しく説明する。
[計算機シミュレーション結果]
実環境を計算機上で模倣したサイバーローデントシミュレータ(Cyber Rodent Simulator)を使って、上述したような自己位置の推定法のプログラムを実装し、その性能を評価した結果について、以下に説明する。
Claims (6)
- 対象とする物理システムの状態ベクトルが制御部からの複数の行動命令と白色ガウスノイズに依存する状態遷移方程式に基づいて遷移するとの状態遷移モデルを用いて、観測される観測量から前記状態ベクトルを推定するための状態ベクトル推定方法であって、
事前に観測された校正用のデータの組の入出力特性を確率的正規化動径基底関数ネットワークに変換して観測モデルを生成するステップと、
現タイムステップまでの観測情報の履歴が与えられた場合の前記状態ベクトルの条件付き確率密度関数が複数個の第1のガウス関数成分からなる第1の混合ガウス分布によって与えられるとするとき、次タイムステップの状態ベクトルの予測分布を前記状態遷移モデルに基づいて算出する予測分布算出ステップと、
次タイムステップにおいて観測センサにより前記観測量を観測する観測ステップと、
前記観測モデル、前記算出された予測分布ならびに前記次タイムステップで観測された観測量に基づいて、前記次タイムステップまでの前記観測情報の履歴が与えられた場合の前記状態ベクトルの事後分布を複数個の第2のガウス関数成分からなる第2の混合ガウス分布として算出する事後分布算出ステップと、
前記事後分布に基づいて、前記状態ベクトルの期待推定量を算出する推定量算出ステップと、
前記予測分布算出ステップから前記推定量算出ステップまでを、前記第1のガウス関数分布成分を前記第2のガウス関数成分により置換して、所定の条件が満たされるまで繰り返すステップとを備える、状態ベクトル推定方法。 - 前記制御部は、前記第1および第2のガウス関数成分を格納するための記憶装置を有し、
前記事後分布を算出した後に、前記事後分布を構成する複数個の第2のガウス関数成分のうち、混合比の上位から所定個を前記第2のガウス関数成分として、前記記憶装置に残すステップをさらに備える、請求項1記載の状態ベクトル推定方法。 - 前記状態ベクトルは、前記制御部が搭載される自律型移動体の自己位置である、請求項1記載の状態推定方法。
- 自律型移動体であって、
行動命令に従って、前記自律型移動体を駆動するための駆動手段と、
前記自律型移動体の環境の観測量を獲得するための観測センサと、
前記駆動手段に対して複数の前記行動命令を出力する制御部とを備え、前記制御部は、前記自律型移動体の状態ベクトルが前記複数の行動命令と白色ガウスノイズに依存する状態遷移方程式に基づいて遷移するとの状態遷移モデルを用いて、観測される前記観測量から前記状態ベクトルを推定して、前記自律型移動体の動作を制御し、
前記制御部は、
事前に観測された校正用のデータの組の入出力特性を確率的正規化動径基底関数ネットワークに変換して観測モデルを生成する観測モデル生成手段と、
現タイムステップまでの観測情報の履歴が与えられた場合の前記状態ベクトルの条件付き確率密度関数が複数個の第1のガウス関数成分からなる第1の混合ガウス分布によって与えられるとするとき、次タイムステップの状態ベクトルの予測分布を前記状態遷移モデルに基づいて算出する予測分布算出手段と、
次タイムステップにおいて前記観測センサにより前記観測量を獲得する観測処理手段と、
前記観測モデル、前記算出された予測分布ならびに前記次タイムステップで観測された観測量に基づいて、前記次タイムステップまでの前記観測情報の履歴が与えられた場合の前記状態ベクトルの事後分布を複数個の第2のガウス関数成分からなる第2の混合ガウス分布として算出する事後分布算出手段と、
前記事後分布に基づいて、前記状態ベクトルの期待推定量を算出する推定量算出手段と、
前記予測分布算出手段、観測処理手段、事後分布算出手段および前記推定量算出手段による処理を、前記第1のガウス関数分布成分を前記第2のガウス関数成分により置換して、所定の条件が満たされるまで繰り返す反復手段とを備える、自律型移動体。 - 前記制御部は、
前記第1および第2のガウス関数成分を格納するための記憶装置と、
前記事後分布を算出した後に、前記事後分布を構成する複数個の第2のガウス関数成分のうち、混合比の上位から所定個を前記第2のガウス関数成分として、前記記憶装置に残す選別手段とをさらに含む、請求項4記載の自律型移動体。 - 前記状態ベクトルは、前記自律型移動体の自己位置である、請求項4記載の自律型移動体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005237541A JP4389046B2 (ja) | 2005-08-18 | 2005-08-18 | 状態ベクトル推定方法および自律型移動体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005237541A JP4389046B2 (ja) | 2005-08-18 | 2005-08-18 | 状態ベクトル推定方法および自律型移動体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007052652A JP2007052652A (ja) | 2007-03-01 |
JP4389046B2 true JP4389046B2 (ja) | 2009-12-24 |
Family
ID=37917055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005237541A Expired - Fee Related JP4389046B2 (ja) | 2005-08-18 | 2005-08-18 | 状態ベクトル推定方法および自律型移動体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4389046B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109391195A (zh) * | 2017-08-08 | 2019-02-26 | 西门子股份公司 | 系统状态预测 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100855469B1 (ko) * | 2006-09-13 | 2008-09-01 | 삼성전자주식회사 | 이동 로봇의 자세 추정 장치 및 방법 |
US8280837B2 (en) * | 2009-05-28 | 2012-10-02 | GM Global Technology Operations LLC | Contact state estimation for multi-finger robot hands using particle filters |
JP5291610B2 (ja) * | 2009-12-21 | 2013-09-18 | 日本電信電話株式会社 | 方位角推定装置、方法及びプログラム |
CN104200090B (zh) * | 2014-08-27 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 基于多源异构数据的预测方法和装置 |
JP2017207303A (ja) * | 2016-05-16 | 2017-11-24 | 日本精工株式会社 | 近接覚センサ |
CN115398576B (zh) * | 2020-04-10 | 2023-10-31 | 株式会社村田制作所 | 电解电容器以及电解电容器的制造方法 |
-
2005
- 2005-08-18 JP JP2005237541A patent/JP4389046B2/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109391195A (zh) * | 2017-08-08 | 2019-02-26 | 西门子股份公司 | 系统状态预测 |
CN109391195B (zh) * | 2017-08-08 | 2022-04-26 | 西门子股份公司 | 系统状态预测 |
US11347996B2 (en) | 2017-08-08 | 2022-05-31 | Siemens Aktiengesellschaft | System state prediction |
Also Published As
Publication number | Publication date |
---|---|
JP2007052652A (ja) | 2007-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chaplot et al. | Learning to explore using active neural slam | |
Charrow et al. | Information-Theoretic Planning with Trajectory Optimization for Dense 3D Mapping. | |
JP4389046B2 (ja) | 状態ベクトル推定方法および自律型移動体 | |
Thompson et al. | A probabilistic model of human motion and navigation intent for mobile robot path planning | |
Santos et al. | An evaluation of 2D SLAM techniques available in robot operating system | |
Deepak et al. | Advance particle swarm optimization-based navigational controller for mobile robot | |
Vasquez et al. | Intentional motion on-line learning and prediction | |
Saulnier et al. | Information theoretic active exploration in signed distance fields | |
Kaufman et al. | Autonomous exploration by expected information gain from probabilistic occupancy grid mapping | |
Kojima et al. | To learn or not to learn: Analyzing the role of learning for navigation in virtual environments | |
Allamaraju et al. | Human aware UAS path planning in urban environments using nonstationary MDPs | |
Kim et al. | Planning for grasp selection of partially occluded objects | |
Dhiman et al. | Floyd-warshall reinforcement learning: Learning from past experiences to reach new goals | |
Reineking et al. | Evidential FastSLAM for grid mapping | |
Ruiz et al. | A general algorithm for exploration with gaussian processes in complex, unknown environments | |
Fan et al. | An evaluation of Lidar-based 2D SLAM techniques with an exploration mode | |
Bucher et al. | An adversarial objective for scalable exploration | |
Wang et al. | Virtual maps for autonomous exploration with pose SLAM | |
Wang et al. | A KNN based Kalman filter Gaussian process regression | |
Belavadi et al. | Frontier exploration technique for 3d autonomous slam using k-means based divisive clustering | |
Luperto et al. | Predicting performance of SLAM algorithms | |
Pathak et al. | Nonmyopic data association aware belief space planning for robust active perception | |
Sindhu et al. | An optimised extreme learning machine (OELM) for simultaneous localisation and mapping in autonomous vehicles | |
Bopardikar et al. | Robust belief roadmap: Planning under uncertain and intermittent sensing | |
Wurm et al. | Improved Simultaneous Localization and Mapping using a Dual Representation of the Environment. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080814 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090820 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090825 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090914 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121016 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4389046 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121016 Year of fee payment: 3 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121016 Year of fee payment: 3 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131016 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |