Incertezza nel movimento
Locale vs Globale: Location Tracking (posa iniziale nota); Global localization (posa iniziale non nota); kidnapped robot (riposizionamento).
Statica vs Dinamica: oggetti statici o dinamici.
Passiva vs Attiva: movimenti del robot per aiutare la localizzazione.
Robot vs Multi-Robot: più robot possono cooperare per localizzarsi reciprocamente.
Variante del Filtro di Bayes
Richiede una mappa m
Modello di misura: P(zt | xt, m)
Modello di moto: P(xt | ut, xt-1, m)
Vediamo come si istanziano il modello di moto e il modello di misura.
Consideriamo due tipi di modelli di moto:
Basato su odometria: usati se il sistema è dotato di wheel encoders.
Basato su velocità: usati senza wheel encoders. La nuova posa calcolata con velocità e il tempo passato.
L’odometria è sensore, non controllo.
In questo modello si assume odometria come controllo.
Modello usato in diversi sistemi di localizzazione e mapping.
Con la funzione arcotangente modificata:
Il movimento stimato è dato dal movimento reale più un disturbo.
rotazione
traslazione
rotazione
Parametri dipendenti dal robot definiscono l’errore.
Andamento tipico - Distribuzione sullo stato x dopol'esecuzione delle azioni u a partire dallo stato x'.
Velocity-Based Model
Sistema controllato in velocità
(v,w) Fisse nell’intervallo (t-1,t]
Mov. circolare con raggio
Quindi … centro del circolo
… raggio del circolo
… variazione angolare
Rispetto a x,y e x’,y’
Se si considera la mappa occorre integrare gli ostacoli.
Approssimazione:
2. Robotica mobile - parte prima
3. Robotica mobile - parte seconda
4. Robotica Probabilistica - Filtri Bayesiani (parte prima)
5. Robotica Probabilistica - Filtri Bayesiani (parte seconda)
7. Modello Probabilistico dei Sensori
8. Robotica Probabilistica - Filtri Gaussiani
10. SLAM
11. Filtri Discreti
12. FastSLAM
13. SLAM grid-based
14. Esplorazione basata su guadagno di informazione