회원님의 블로그를 잘 설명하는 이름

이 글은 Sebastian thrun의 Probabilistic Robotics를 보고 내용을 정리한 글이며, 나름 쉽게 표현하기 위해서 의역을 한 부분이 있습니다. ​ 앞으로 포스팅 시 가우시안 분포와 정규분포를 혼용해서 사용하는데, 같은 의미로 생각하시면 됩니다. 밀도와 확률밀도 또한 혼용해서 사용하는데, 이 또한 같은 의미로 생각하시면 됩니다. 칼만 필터의 유도 과정은 생략하였습니다. 1. 선형 가우시안 시스템(Linear Gaussian Systems) 칼만 필터는 Swerling과 Kalman에 의해 발명되었으며, 선형 가우시안 시스템에서 필터링과 예측(predcition)을 하기 위한 테크닉입니다. 칼만 필터는 belief 계산을 연속적인 상태(continuous state)에서 시행합니다. ..

이 글은 Sebastian thrun의 Probabilistic Robotics를 보고 내용을 정리한 글이며, 나름 쉽게 표현하기 위해서 의역을 한 부분이 있습니다. 1. 베이즈 필터 알고리즘(Bayes Filter Algorithm) belief를 계산하기 위한 대부분의 알고리즘은 베이즈 필터(bayes filter) 알고리즘을 기반으로 합니다. 이 알고리즘은 belief 분포 $bel$을 측정(measurement)과 컨트롤 데이터(control data)로부터 계산합니다. 다음 table은 기본적인 베이즈 필터의 수도 코드입니다. 베이즈 필터는 재귀적(recursive)이며, 시간 t에서의 belief인 $bel(x_t)$는 t-1에서의 $bel(x_{t-1})$에 의해 계산됩니다. 이 알고리즘의 ..

이 글은 Sebastian thrun의 Probabilistic Robotics를 보고 내용을 정리한 글이며, 나름 쉽게 표현하기 위해서 의역을 한 부분이 있습니다. ​ 1. 상태(State) 환경(Environment) 은 상태(state)에 의해 나타내어집니다. 즉, 이렇게 생각하면 됩니다. 상태란, 미래(future)에 영향을 줄 수 있는 로봇과 그 환경의 모든 양상(aspect)입니다. ​ 몇몇 상태 변수(variable)는 시간에 따라 바뀌는데, 예를 들면 로봇 근처의 사람이라든지 뭐 이런 걸 생각하시면 됩니다. 반면, 변하지 않고 정적인(static) 상태가 있는데, 예를 들면 벽이나 건물 같은 이런 것을 말합니다. 이렇게 바뀌는 상태를 동적 상태(dynamic state)라고 하고, 바뀌지 ..