SLAM - История изменений

Patarakin в 09:53, 26 марта 2023

2023-03-26T09:53:52Z

← Предыдущая версия		Версия от 12:53, 26 марта 2023
Строка 3:		Строка 3:
	\|Field_of_knowledge=Робототехника, Управление		\|Field_of_knowledge=Робототехника, Управление
	\|similar_concepts=Робототехника, одометрия		\|similar_concepts=Робототехника, одометрия
	\|Environment=С++		\|Environment=C++
	}}		}}
	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).		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).

Patarakin в 09:53, 26 марта 2023

2023-03-26T09:53:28Z

← Предыдущая версия		Версия от 12:53, 26 марта 2023
Строка 13:		Строка 13:
	: <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>.		: <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]].		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.

Patarakin в 09:49, 26 марта 2023

2023-03-26T09:49:59Z

← Предыдущая версия		Версия от 12:49, 26 марта 2023
Строка 1:		Строка 1:
	{{Понятие		{{Понятие
	\|Description=SLAM (англ. simultaneous localization and mapping — одновременная локализация и построение карты) — метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве или для обновления карты в заранее известном пространстве с одновременным контролем текущего местоположения и пройденного пути. Популярные методы приближённого решения данной задачи — фильтр частиц и расширенный фильтр Кальмана. Некоторые реализации метода используются в беспилотных автомобилях, летательных аппаратах, автономных подводных аппаратах, планетоходах, и даже внутри человеческого тела.		\|Description=SLAM (англ. simultaneous localization and mapping — одновременная локализация и построение карты) — метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве или для обновления карты в заранее известном пространстве с одновременным контролем текущего местоположения и пройденного пути. Популярные методы приближённого решения данной задачи — фильтр частиц и расширенный фильтр Кальмана. Некоторые реализации метода используются в беспилотных автомобилях, летательных аппаратах, автономных подводных аппаратах, планетоходах, и даже внутри человеческого тела.
	\|Field_of_knowledge=Робототехника		\|Field_of_knowledge=Робототехника, Управление
	\|similar_concepts=Робототехника, ~~многоагентное моделирование~~		\|similar_concepts=Робототехника, одометрия
	\|Environment=С++		\|Environment=С++
	}}		}}

Patarakin: Новая страница: «{{Понятие |Description=SLAM (англ. simultaneous localization and mapping — одновременная локализация и построение карты) — метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве или для обновления карты в заранее известном простр...»

2023-03-26T09:14:59Z

Новая страница: «{{Понятие |Description=SLAM (англ. simultaneous localization and mapping — одновременная локализация и построение карты) — метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве или для обновления карты в заранее известном простр...»

Новая страница

{{Понятие
|Description=SLAM (англ. simultaneous localization and mapping — одновременная локализация и построение карты) — метод, используемый в мобильных автономных средствах для построения карты в неизвестном пространстве или для обновления карты в заранее известном пространстве с одновременным контролем текущего местоположения и пройденного пути. Популярные методы приближённого решения данной задачи — фильтр частиц и расширенный фильтр Кальмана. Некоторые реализации метода используются в беспилотных автомобилях, летательных аппаратах, автономных подводных аппаратах, планетоходах, и даже внутри человеческого тела.
|Field_of_knowledge=Робототехника
|similar_concepts=Робототехника, многоагентное моделирование
|Environment=С++
}}
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]].