У вас нет прав на выполнение действия «редактирование этой страницы» по следующей причине:
Текст:
Основные подходы, используемые для реализации задачи — EKF-SLAM, FastSLAM, DP-SLAM. При относительно больших исследуемых площадях применяются многоагентные системы (такой подход был применён при исследовании картографии Марса группой роботов-марсоходов и соединении исследуемых карт в одну). Задача SLAM заключается в вычислении оценки местоположения <math>x_t</math> агента и карты окружающей среды <math>m_t</math> из ряда наблюдений <math>o_t</math> над дискретным временем с шагом дискретизации <math>t</math>. Все перечисленные величины являются вероятностными. Цель задачи состоит в том, чтобы вычислить <math> P(m_t, x_t | o_{1:t})</math>. Применение [[теорема Байеса|правила Байеса]] является основой для последовательного обновления апостериорного местоположения, учитывая карту и функцию перехода <math>P(x_t | x_{t-1})</math>: : <math> P(x_t | o_{1:t}, m_t) = \sum_{m_{t-1}} P(o_t | x_t, m_t) \sum_{x_{t-1}} P(x_t | x_{t-1}) P(x_{t-1} | m_t, o_{1:t-1}) / Z </math>. Точно так же карта может обновляться последовательно: : <math> P(m_t | x_t, o_{1:t}) = \sum_{x_t} \sum_{m_t} P(m_t | x_t, m_{t-1}, o_t) P(m_{t-1}, x_t | o_{1:t-1}, m_{t-1})</math>. Как и во многих других проблемах логического вывода, оперируя двумя вероятностными переменными, можно прийти к локальному оптимальному решению, применяя [[EM-алгоритм]]. В настоящее время SLAM навигация получила распространение на Robotic Operating System (ROS) в качестве пакетов, находящихся в открытом доступе, например: GMapping, Cartographer, Rtabmap. Данные пакеты были выбраны для исследования поскольку являются достаточно широко известными и популярными для работы с ROS. Таким образом, имеется большое количество информации касательно настройки и использования данных SLAM, а также поддержка со стороны разработчиков.
Записать страницу Отменить
