확률적 로봇공학 - 2.4.4 마르코브 가정

 

2.4.4 마르코브 가정 The Markov Assumption

 마르코브 가정은 우리가 현재 상태 $x_t$를 알고있다면 과거와 미래의 정보는 독립으로 생각하는것입니다. 이 가정이 얼마나 중요한지 보기위해서 이동 로봇의 위치 추정문제를 다루어 봅시다. 여기서 $x_t$는 로봇의 자세이고 베이즈 필터가 고정된 맵에 대해 자세를 추정하는데 사용될것입니다. 다음의 요인들이 센서 읽기에 영향을 줄것입니다. 이들은 마르코브 가정의 위배하게 됩니다.

 

- $x_t$에 포함되지 못한 모델링 되지않은 동역학들(ex. 움직이는 사람들과 센서 측정에서의 영향)

- 확률모델 p($z_t$ | $x_t$)와 p($x_t$ | $u_t$, $x_{t-1}$)에서의 부정확도

- 신뢰도 함수(ex. 그리드나 가우시안)를 이용해서 추정 시 추정으로 인한 에러

- 로봇 제어 소프트웨어에 의한 영향

 

 수많은 변수들은 상태 표현법에 포함시킬수는 있지만 베이즈 필터 알고리즘의 계산 복잡도를 줄이기 위해 불완전한 상태 표현법이 완전한 것보다 더 선호됩니다. 실제로도 베이즈  필터는 그렇나 위반에도 강인성을 보이며, 모델링 하지 않은 상태 변수들의 영향을 고려하여 상태 $x_t$를 신중하게 정의하여야 합니다.