확률적 로봇공학 - 6.3.4 현실적인 고려 사항

6.3.4 현실적인 고려 사항들 practical consideration

 현실적으로, 모든 센서 측정값의 밀도 계산은 꽤 시간이 걸리는 작업이 될 수 있는데, 예를 들면 레이저 스캔 데이터는 초당 수백개를 받으므로 초당 수배의 스캔 시간이 걸리게 됩니다. 각각의 스캔 빔에 대한 작업과 자세를 고려하여야 하기때문에  스캔 데이터를 현지 신뢰도에 합치는 작업은 항상 실시간으로 수행 될 수는 없습니다. 이 문제를 해결하기 위한 방법은 모든 관측치 중 일부만을 반영하는 것인데 예를 들면 360개의 레이저 스캔 데이터 데신 8개의 측정치만을 사용할 수도 있습니다. 이 방법은 중요한 이점을 갖는데, 인접한 레이저 스캔 빔은 종종 독립적이지 않기 때문에, 일부 측정치들을 버리더라도 인접한 측정치에서 노이즈에 대해 상태 추정 과정이 덜 민감하게 됩니다. 

 

 인접한 측정치 사이 의존성이 강할때, ML 모델은 과적합하여 덜 최적화된 결과를 나타낼 수도 있습니다. 간단한 해결방뻡중 하나로 p($z_k^k$ | $x_t$, m)을 더 약한 버전인 $\alpha$ < 1, p($z_k^k$ | $x_t$, m$)^{\alpha}$를 사용하는 것입니다. 이는 알파를 이용해 센서로부터 얻는 정보를 줄이게 됩니다. 다른 방법은 응용 분야의 환경에 맞게 고유 파라미터를 학습시키는 것으로 예를 들면, 여러 시간에 대해서 이동 로봇의 위치 추정시 좋은 위치 추정 결과를 구하는 고유 파라미터를 경사 하강법을 통해 학습하는 것이 가능합니다. 이러한 여러 시간을 사용하는 방법은 위에서 살펴본 단일 시간 ML 추정기와 상당히 다른 점이 있는데, 현실적인 측면에서 여러 시간에서 수행한 것이 더 좋은 결과를 구할 수 있습니다.

 

 빔 기반 모델에서 시간 소모가 가장 큰 동작은 광선 투사 ray casting 작업으로 p($z_k$ | $x_t$)를 계산하는 비용은 레이 케스팅 전처리 알고리즘과 결과를 메모리에 저장함으로서 줄일수 있는데 여기서 레이 케스팅 작업을 테이블 룩업으로 대체하게 됩니다. 이 하이디어를 구현하기 위해서 상태 공간을 3차원 낱알 형태로 분해하여야 하고 각각의 그리드 셀에 대해 거리 $z_{t}^{k*}$를 전 계산pre-compute 합니다. 여기서 그리드에 해상도에 따라 메모리 요구량이 크게 변할수 있으며 이동 로봇 위치 추정문제에서 그리드 셀의 해상도가 15cm인 2차원 문제에서 잘 동작하는것을 확인하였습니다. 이는 컴퓨터에 적합한 크기로 광선 투사를 온라인으로 구현하는데 적합한 크기가 되었습니다.