확률적 로봇 공학 - 8.5~ 현실적인 고려사항들

8.5 현실적인 고려사항들

 표 8.5는 직므까지 살펴본 주요 위치추정 기술들을 정리하였습니다. 기술을 선택 시에는 많은 요구사항들이 조절되어야 하는데, 첫번째로 고려할 것은 센서 측정치에서 특징들을 추출할것인지의 여부입니다. 특징을 추출한다면 계산량은 줄일수 있겠지만 정확도나 강인함이 줄어들게 될 수도 있습니다.

 

	EKF	MHT	Coarse(토폴로지) grid	fine(미터) grid	MCL
측정치	랜드마크	랜드마크	랜드마크	원래 측정치	원래 측정치
측정 노이즈	가우시안	가우시안	모든	모든	모든
사후확률	가우시안	가우시안 혼합	히스토그램	히스토그램	파티클
효율성(메모리)	++	++	+	-	+
효율성(시간)	++	+	+	-	+
구현 난이도	+	-	+	-	++
해상도	++	++	-	+	+
강인함	-	-	+	++	++
전역 위치추정여부	아니오	아니오	예	예	예

표 8.5 마르코브 위치 추정의 서로 다른 구현 방법간의 비교

 

8.6 정리

 이번 장에서는 두가지 확률적 위치 추정 알고리즘인 그리드 기술과 몬테카를로 위치 추정 방법에 대해서 살펴보앗스빈다.

 

- 그리드 방법은 사후확률을 히스토그램으로 나타내었습니다.

 

- 그리드의 크기로 정확도와 계산 효율성 사이 조절을 하였습니다. 굵은 그리드인 경우 굵은 표현을 사용하면서 생기는 영향들을 고려하여 센서와 동작 모델을 조절하여야 합니다. 작은 그리드를 사용하는 경우 전체적인 계산량을 줄일수 있도록 그리드 셀을 선택적으로 갱신하는것이 필요합니다.

 

- 몬테카를로 위치 추정 방법은 파티클들을 사용하여 사후확률을 나타내는데, 정확도과 계산비용간 조절을 파티클의 크기를 통해 수행할 수 있습니니다.

 

- 그리드 위치 추정과 MCL 둘다 전역 위치 추정을 수행할 수 있습니다.

 

- 임의의 파티클들을 추가하여 MCL은 로봇 납치 문제도 다룰수 있습니다.

 

- 혼합 MCL은 파티클 생성 과정을 뒤집은 확장판으로 로봇의 센서 노이즈가 적을때 더 나은 성능을 보입니다. 하지만 구현 복잡도가 더 커지게 됩니다.

 

- 설계되지 않은 동적인 환경은 센서 데이터를 필터링하거나 고려되지 앟은 물체에 높은 우도 대응치를 제거하여 대응할수 있습니다 레이저 거리계를 사용하는 경우 로봇은 아주 짧은 측정치들을 제거할수 있습니다.