地図作成と位置推定

この例では、差動駆動型ロボットの距離センサーの読み取り値とロボットの姿勢を使用して環境マップを作成する方法を説明します。rangeSensor オブジェクトを使用してシミュレートされた距離センサー読み取り値から、マップを作成します。differentialDriveKinematics 運動モデルは、速度コマンドに基づいて室内を移動するロボットの駆動をシミュレートします。rangeSensor は、パスを追従しているロボットの姿勢に基づいて、距離の読み取り値を提供します。

粒子フィルターは、サンプリングベースの再帰ベイズ推定アルゴリズムであり、stateEstimatorPF オブジェクトに実装されています。この例では、リモート制御の自動車型ロボットを屋外環境で追跡します。ロボットの姿勢の測定値はオンボードの GPS によって提供され、ノイズを含みます。ロボットに送信される既知の運動コマンドがありますが、機械の緩みやモデルの精度の低さにより、ロボットは指示された動きを正確に実行しません。この例では、stateEstimatorPFを使用して測定データにおけるノイズの影響を低減し、ロボットの姿勢をより正確に推定する方法を説明します。自動車型ロボットの運動学モデルは、以下の非線形システムによって説明されます。粒子フィルターは、本質的な非線形性を処理できるため、そのようなシステムの状態推定に最適です。

この例では、Deep Deterministic Policy Gradient (DDPG) ベースの強化学習を使用して、モバイル ロボットが障害物を回避する手法を開発します。DDPG アルゴリズムの簡単な概要については、Deep Deterministic Policy Gradient (DDPG) Agents (Reinforcement Learning Toolbox)を参照してください。