TOP > 国内特許検索 > 状態ベクトル推定方法および自律型移動体

状態ベクトル推定方法および自律型移動体

国内特許コード P06P004030
整理番号 IOK-17-2
掲載日 2007年3月9日
出願番号 特願2005-237541
公開番号 特開2007-052652
登録番号 特許第4389046号
出願日 平成17年8月18日(2005.8.18)
公開日 平成19年3月1日(2007.3.1)
登録日 平成21年10月16日(2009.10.16)
発明者
  • 吉本 潤一郎
  • 孫野 道征
出願人
  • 沖縄科学技術研究基盤整備機構
発明の名称 状態ベクトル推定方法および自律型移動体
発明の概要 【課題】 精度の高い自己位置の同定を行ないつつ、計算量を削減することが可能な状態ベクトル推定方法により制御される自立型移動体を提供する。
【解決手段】 自立型移動体であるサイバーローデント100においては、赤外線近接センサ204.1~204.6からの観測信号に基づいて、制御部300は、混合カルマンフィルタ法により、次タイムステップまでの観測情報の履歴が与えられた場合の状態ベクトルの事後分布を複数個のガウス関数成分からなる混合ガウス分布として算出し、この算出されたガウス関数成分により予測分布を更新しつつ、演算を繰り返して、事後分布に基づいて、状態ベクトルの期待推定量を算出する。
【選択図】 図3
従来技術、競合技術の概要 【背景技術】自律移動型ロボットにおいて、自己が環境に対してどのような状態にあるかを知ることは、ロボットが意志決定をする上で、重要な情報である。このような情報を推定する手法に関して多くの研究が行なわれている(たとえば、非特許文献1を参照)。近年、上記のような問題に対する対処として主流となっているのは、環境を確率モデルとして定式化し、ベイズ推定法を利用して状態を推定する手法である(たとえば、非特許文献2を参照)。特に、パーティクルフィルタによるモンテカルロ位置同定法(Monte Calro Localization:MCL)がよく知られている(たとえば、非特許文献3を参照)。
【非特許文献1】J.Borenstein et al.: Navigating Mobile Robots : Systems and Techniques. A.K. Peters, Ltd., 1996.
【非特許文献2】C.F.Olson : IEEE Trans. On Robotics and Automation, 16(1), 55-66, 2000.
【非特許文献3】S. Thrun et al. : Artificial Intelligence, 128(1-2), 99-141, 2001.
産業上の利用分野 本発明は、状態ベクトル推定方法および状態ベクトル推定方法により制御される自律型移動体に関し、より特定的には、状態ベクトルの要素としての自己位置を同定することが可能な方法および自己位置を同定することが可能な自律型移動体に関する。
特許請求の範囲 【請求項1】対象とする物理システムの状態ベクトルが制御部からの複数の行動命令と白色ガウスノイズに依存する状態遷移方程式に基づいて遷移するとの状態遷移モデルを用いて、観測される観測量から前記状態ベクトルを推定するための状態ベクトル推定方法であって、 事前に観測された校正用のデータの組の入出力特性を確率的正規化動径基底関数ネットワークに変換して観測モデルを生成するステップと、 現タイムステップまでの観測情報の履歴が与えられた場合の前記状態ベクトルの条件付き確率密度関数が複数個の第1のガウス関数成分からなる第1の混合ガウス分布によって与えられるとするとき、次タイムステップの状態ベクトルの予測分布を前記状態遷移モデルに基づいて算出する予測分布算出ステップと、 次タイムステップにおいて観測センサにより前記観測量を観測する観測ステップと、 前記観測モデル、前記算出された予測分布ならびに前記次タイムステップで観測された観測量に基づいて、前記次タイムステップまでの前記観測情報の履歴が与えられた場合の前記状態ベクトルの事後分布を複数個の第2のガウス関数成分からなる第2の混合ガウス分布として算出する事後分布算出ステップと、 前記事後分布に基づいて、前記状態ベクトルの期待推定量を算出する推定量算出ステップと、 前記予測分布算出ステップから前記推定量算出ステップまでを、前記第1のガウス関数分布成分を前記第2のガウス関数成分により置換して、所定の条件が満たされるまで繰り返すステップとを備える、状態ベクトル推定方法。
【請求項2】 前記制御部は、前記第1および第2のガウス関数成分を格納するための記憶装置を有し、 前記事後分布を算出した後に、前記事後分布を構成する複数個の第2のガウス関数成分のうち、混合比の上位から所定個を前記第2のガウス関数成分として、前記記憶装置に残すステップをさらに備える、請求項1記載の状態ベクトル推定方法。
【請求項3】 前記状態ベクトルは、前記制御部が搭載される自律型移動体の自己位置である、請求項1記載の状態推定方法。
【請求項4】自律型移動体であって、 行動命令に従って、前記自律型移動体を駆動するための駆動手段と、 前記自律型移動体の環境の観測量を獲得するための観測センサと、 前記駆動手段に対して複数の前記行動命令を出力する制御部とを備え、前記制御部は、前記自律型移動体の状態ベクトルが前記複数の行動命令と白色ガウスノイズに依存する状態遷移方程式に基づいて遷移するとの状態遷移モデルを用いて、観測される前記観測量から前記状態ベクトルを推定して、前記自律型移動体の動作を制御し、 前記制御部は、 事前に観測された校正用のデータの組の入出力特性を確率的正規化動径基底関数ネットワークに変換して観測モデルを生成する観測モデル生成手段と、 現タイムステップまでの観測情報の履歴が与えられた場合の前記状態ベクトルの条件付き確率密度関数が複数個の第1のガウス関数成分からなる第1の混合ガウス分布によって与えられるとするとき、次タイムステップの状態ベクトルの予測分布を前記状態遷移モデルに基づいて算出する予測分布算出手段と、 次タイムステップにおいて前記観測センサにより前記観測量を獲得する観測処理手段と、 前記観測モデル、前記算出された予測分布ならびに前記次タイムステップで観測された観測量に基づいて、前記次タイムステップまでの前記観測情報の履歴が与えられた場合の前記状態ベクトルの事後分布を複数個の第2のガウス関数成分からなる第2の混合ガウス分布として算出する事後分布算出手段と、 前記事後分布に基づいて、前記状態ベクトルの期待推定量を算出する推定量算出手段と、 前記予測分布算出手段、観測処理手段、事後分布算出手段および前記推定量算出手段による処理を、前記第1のガウス関数分布成分を前記第2のガウス関数成分により置換して、所定の条件が満たされるまで繰り返す反復手段とを備える、自律型移動体。
【請求項5】 前記制御部は、 前記第1および第2のガウス関数成分を格納するための記憶装置と、 前記事後分布を算出した後に、前記事後分布を構成する複数個の第2のガウス関数成分のうち、混合比の上位から所定個を前記第2のガウス関数成分として、前記記憶装置に残す選別手段とをさらに含む、請求項4記載の自律型移動体。
【請求項6】 前記状態ベクトルは、前記自律型移動体の自己位置である、請求項4記載の自律型移動体。
産業区分
  • 機構・伝動
  • 制御調整
  • 工業用ロボット
  • 測定
国際特許分類(IPC)
Fターム
出願権利状態 権利存続中
ライセンスをご希望の方、特許の内容に興味を持たれた方は、問合せボタンを押してください。


PAGE TOP

close
close
close
close
close
close
close