Rao-Blackwellized 입자 필터와 일반 필터의 차이점

지금까지 읽은 내용에서 Rao-Blackwellized 입자 필터는 다음에서 변수를 주 변화 한 후에 사용되는 정상적인 입자 필터 인 것 같습니다.

나는 그 결론에 대해 확신하지 못 하므로이 두 유형의 필터 사이의 정확한 차이점을 알고 싶습니다. 미리 감사드립니다.

귀하의 질문에 나와있는 Rao-Blackwellized Particle Filter (RBPF)는 상태 공간의 확률 분포를 소외시킵니다.

입자 필터는 샘플링을 사용하여 상태 공간의 다변량 확률 분포를 나타냅니다. 분포를 나타 내기 위해 표본을 사용하는 것은 처음에는 근사치 일뿐 아니라 대부분의 경우 그다지 효율적이지 않습니다. 상태의 치수가 높을수록 더 많은 입자가 필요합니다. Doucet et al. 은 가우시안 표현을 사용하여보다 효율적인 방식으로 처리 할 수있는 상태 공간의 하위 세트를 주 변화하는 것입니다.

내 논문의 수치 는 개념을 시각화하는 데 도움이 될 수 있습니다. 와 대한 공동 분포가 있다고 가정 해 봅시다.$X$$Y$

대신에 걸쳐 공동으로 샘플링 및 , 우리는 소외 수 가우시안 분포로 나타낸다. 이런 식으로 이상을 샘플링 하면됩니다.$X$$Y$$Y$$X$

훨씬 더 효율적입니다. 각 표본은 이제 대한 분포를 나타냅니다 .$Y$

이 소외는 SLAM에서 매우 인기가 있습니다. 그 이유는 위치와지도를 공동으로 샘플링하는 것이 실용적이지 않기 때문입니다. RBPF 아이디어는 FastSLAM에서 대중화되어 공동 분포에서 맵을 주 변화하지 않아도 문제를 다루기 쉽게 만듭니다. 위의 예에서와 같이, 각 입자는 자세, 서신 및지도를 나타냅니다. 파티클 당 하나의 맵이 있습니다.

RBPF와 일반 입자 필터의 차이점은 RBPF가 상태 확률 분포의 하위 공간에 대해 샘플링하고 나머지 통계량을 사용하여 나머지를 나타냅니다. Rao-Blackwellization 부분의 수학 배경에 관한 또 다른 관련 질문이 있습니다.

도움을 주어야합니다.

https://users.aalto.fi/~ssarkka/pub/cup_book_online_20131111.pdf

여기서 u는 샘플입니다 (무게의 입자)