DEQ-MCL: Discrete-Event Queue-based Monte-Carlo Localization

要約

海馬形成における空間認知は、ロボットの自己位置特定技術の開発において重要な役割を果たすと考えられています。
この論文では、海馬層内の位相歳差運動に関連する離散イベントキュー仮説に基づいた自己位置推定アプローチ DEQ-MCL を提案します。
私たちの方法は、キューとして編成された過去、現在、将来の状態の両方を含む状態の事後分布を効果的に推定します。
このアプローチにより、現在の観察を使用した過去の状態の事後分布の平滑化と、将来の状態の実現可能性を考慮した結合分布の重み付けが可能になります。
私たちの調査結果は、提案された方法が屋内環境での自己位置推定性能を向上させる可能性があることを示しています。

要約(オリジナル)

Spatial cognition in hippocampal formation is posited to play a crucial role in the development of self-localization techniques for robots. In this paper, we propose a self-localization approach, DEQ-MCL, based on the discrete event queue hypothesis associated with phase precession within the hippocampal formation. Our method effectively estimates the posterior distribution of states, encompassing both past, present, and future states that are organized as a queue. This approach enables the smoothing of the posterior distribution of past states using current observations and the weighting of the joint distribution by considering the feasibility of future states. Our findings indicate that the proposed method holds promise for augmenting self-localization performance in indoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google