FastSLAM - 1.5 SLAM의 구조와 희소

관측과 제어 사이 제약

 주어진 시간에 대해 누적된 관측과 제어들은 상태 변수들의 일부 부분집합을 제약하며,

데이터와 상태 변수 간에 의존관계에서 이러한 희소성은 슬램 사후확률 계산을 더 효율적으로 하도록 사용할수 있습니다.

 

상관관계와 부분 지도

 예를들어 서로 멀리 떨어진 두 랜드마크는 약한 상관 관계를 가지며,

다른 멀리 떨어진 랜드마크 쌍 또한 비슷하게 약한 상관관계를 가지게 됩니다.

많은 EKF SLAM 알고리즘은 이러한 성질을 사용하여 전체 지도를 작은 부분집합 지도로 나누어 사용합니다.

 

EKF 분해

 큰 EKF를 많은 수의 느슨하게 결합된 작은 EKF로 나눌수 있겠습니다.

이 방법은 EKF 근사 알고리즘이 선형 시간에 수행되고,

관측 반영이 상수 시간에 수행될수 있도록 하는 장점을 가지고 있습니다.

 

 슬램 문제를 희소하도록 분해함으로서 효율적인 EKF 기반 알고리즘을 만들수 있고,

이 새 알고리즘은 기존의 EKF 처럼 데이터 연관시 동일한 어려움을 직면하게 됩니다.

 

데이터 연관 개선 방안

 앞으로 상태 변수들 간에 의존관계에서 희소성을 이용하여 이 문제를 개선한 방법을 볼것이고,

슬램 사후확률 계산을 효율적으로 할수 있도록 이 방법은 다중 데이터 연관 가정을 사용하겠습니다.

이를 통해 큰 데이터 연관 애매함을 가진 넓은 환경에서도 사용가능한 슬램 알고리즘을 얻을 수 있습니다.