Bewegungsintegration

Nächste Seite: Entropy-Filter Aufwärts: Die Lokalisierung Vorherige Seite: Sensorintegration Inhalt

Bewegungsintegration

Bei einer Bewegungsaktion $a^{t}$ wird die Position des Roboters selbst verändert. Für die Aktualisierung der Position gilt folgendes:

$P(\xi ^{t+1}\vert o^{1},...,o^{t-1},a^{t})$	$=$	$\int P(\xi ^{t+1}\vert\xi ^{t},o^{1},...,o^{t-1},a^{t})P(\xi ^{t}\vert o^{1},...,o^{t-1},a^{t})d\xi ^{t}$
	$=$	$\int P(\xi ^{t+1}\vert\xi ^{t},a^{t})\, P(\xi ^{t}\vert o^{1},...,o^{t-1})d\xi ^{t}$

Wie bei der Sensorintegration wurde wieder die Markov-Eigenschaft angenommen. Zusätzlich wurde vorher der Satz der totalen Wahrscheinlichkeit über die Position $\xi ^{t}$ angewendet. Der Term $P(\xi ^{t+1}\vert\xi ^{t},a^{t})$ ist unabhängig vom aktuellen $t$ ( $P(\xi \vert\xi ',a)$ ) und wird als probabilistisches kinematisches Bewegungsmodell bezeichnet. Es wird je eine separate Null-zentrierte Verteilung für den Rotations- und den Translationsfehler verwendet.

$\resizebox* {10cm}{5.49cm}{\includegraphics{Bilder/Loc2c.ps}}$
Abb. 4.4: Veranschaulichung der Unsicherheit des Bewegungsmodells
(a) nach 40m gerader Fahrt (b) nach 80m mit einer Bewegung nach rechts

2001-01-04