Submit Search
Upload
人工知能概論 8
•
Download as PPTX, PDF
•
10 likes
•
3,625 views
Tadahiro Taniguchi
Follow
Visit http://ai.tanichu.com/
Read less
Read more
Education
Report
Share
Report
Share
1 of 27
Download now
Recommended
人工知能概論 7
人工知能概論 7
Tadahiro Taniguchi
人工知能概論 5
人工知能概論 5
Tadahiro Taniguchi
イラストで学ぶ人工知能概論 9
イラストで学ぶ人工知能概論 9
Tadahiro Taniguchi
人工知能概論 2
人工知能概論 2
Tadahiro Taniguchi
人工知能概論 3
人工知能概論 3
Tadahiro Taniguchi
人工知能概論 10
人工知能概論 10
Tadahiro Taniguchi
人工知能概論 6
人工知能概論 6
Tadahiro Taniguchi
人工知能概論 11
人工知能概論 11
Tadahiro Taniguchi
Recommended
人工知能概論 7
人工知能概論 7
Tadahiro Taniguchi
人工知能概論 5
人工知能概論 5
Tadahiro Taniguchi
イラストで学ぶ人工知能概論 9
イラストで学ぶ人工知能概論 9
Tadahiro Taniguchi
人工知能概論 2
人工知能概論 2
Tadahiro Taniguchi
人工知能概論 3
人工知能概論 3
Tadahiro Taniguchi
人工知能概論 10
人工知能概論 10
Tadahiro Taniguchi
人工知能概論 6
人工知能概論 6
Tadahiro Taniguchi
人工知能概論 11
人工知能概論 11
Tadahiro Taniguchi
人工知能概論 1
人工知能概論 1
Tadahiro Taniguchi
人工知能概論 4
人工知能概論 4
Tadahiro Taniguchi
人工知能概論 12
人工知能概論 12
Tadahiro Taniguchi
確率的自己位置推定
確率的自己位置推定
Horiguchi Shuhei
人工知能概論 14
人工知能概論 14
Tadahiro Taniguchi
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
Ryuichi Ueda
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
Sift特徴量について
Sift特徴量について
la_flance
[DL輪読会]representation learning via invariant causal mechanisms
[DL輪読会]representation learning via invariant causal mechanisms
Deep Learning JP
20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...
20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...
grafi_tt
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
Trend of 3D object detections
Trend of 3D object detections
Eiji Sekiya
2011/07/16 NagoyaCV_takmin
2011/07/16 NagoyaCV_takmin
Takuya Minagawa
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
AutoEncoderで特徴抽出
AutoEncoderで特徴抽出
Kai Sasaki
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
Kazuyuki Miyazawa
「知」の循環と拡張を加速する対話空間のメカニズムデザイン(JST未来社会創造事業)
「知」の循環と拡張を加速する対話空間のメカニズムデザイン(JST未来社会創造事業)
Tadahiro Taniguchi
Semantic Segmentation of Driving Behavior Data: Double Articulation Analyzer ...
Semantic Segmentation of Driving Behavior Data: Double Articulation Analyzer ...
Tadahiro Taniguchi
More Related Content
What's hot
人工知能概論 1
人工知能概論 1
Tadahiro Taniguchi
人工知能概論 4
人工知能概論 4
Tadahiro Taniguchi
人工知能概論 12
人工知能概論 12
Tadahiro Taniguchi
確率的自己位置推定
確率的自己位置推定
Horiguchi Shuhei
人工知能概論 14
人工知能概論 14
Tadahiro Taniguchi
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
Ryuichi Ueda
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
Sift特徴量について
Sift特徴量について
la_flance
[DL輪読会]representation learning via invariant causal mechanisms
[DL輪読会]representation learning via invariant causal mechanisms
Deep Learning JP
20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...
20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...
grafi_tt
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
Takuya Minagawa
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
Trend of 3D object detections
Trend of 3D object detections
Eiji Sekiya
2011/07/16 NagoyaCV_takmin
2011/07/16 NagoyaCV_takmin
Takuya Minagawa
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
AutoEncoderで特徴抽出
AutoEncoderで特徴抽出
Kai Sasaki
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
Kazuyuki Miyazawa
What's hot
(20)
人工知能概論 1
人工知能概論 1
人工知能概論 4
人工知能概論 4
人工知能概論 12
人工知能概論 12
確率的自己位置推定
確率的自己位置推定
人工知能概論 14
人工知能概論 14
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
2014年5月21日「パーティクルフィルタの癖から知るロボットへの確率的手法の正しい適用方法」---第58回システム制御情報学会研究発表講演会チュートリアル講演
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
Sift特徴量について
Sift特徴量について
[DL輪読会]representation learning via invariant causal mechanisms
[DL輪読会]representation learning via invariant causal mechanisms
20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...
20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Trend of 3D object detections
Trend of 3D object detections
2011/07/16 NagoyaCV_takmin
2011/07/16 NagoyaCV_takmin
パターン認識と機械学習入門
パターン認識と機械学習入門
Introduction to YOLO detection model
Introduction to YOLO detection model
カルマンフィルタ入門
カルマンフィルタ入門
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
AutoEncoderで特徴抽出
AutoEncoderで特徴抽出
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
More from Tadahiro Taniguchi
「知」の循環と拡張を加速する対話空間のメカニズムデザイン(JST未来社会創造事業)
「知」の循環と拡張を加速する対話空間のメカニズムデザイン(JST未来社会創造事業)
Tadahiro Taniguchi
Semantic Segmentation of Driving Behavior Data: Double Articulation Analyzer ...
Semantic Segmentation of Driving Behavior Data: Double Articulation Analyzer ...
Tadahiro Taniguchi
Symbol Emergence in Robotics: Language Acquisition via Real-world Sensorimoto...
Symbol Emergence in Robotics: Language Acquisition via Real-world Sensorimoto...
Tadahiro Taniguchi
ビブリオバトルにおける コミュニティ形成のダイナミクス
ビブリオバトルにおける コミュニティ形成のダイナミクス
Tadahiro Taniguchi
Nonparametric Bayesian Word Discovery for Symbol Emergence in Robotics
Nonparametric Bayesian Word Discovery for Symbol Emergence in Robotics
Tadahiro Taniguchi
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Tadahiro Taniguchi
人工知能概論 15
人工知能概論 15
Tadahiro Taniguchi
人工知能概論 13
人工知能概論 13
Tadahiro Taniguchi
Symbol emergence in robotics @ Shonan meeting 2013/11/13
Symbol emergence in robotics @ Shonan meeting 2013/11/13
Tadahiro Taniguchi
コミュニケーション場のメカニズムデザイン 自律性を活かす記号過程のための制度設計
コミュニケーション場のメカニズムデザイン 自律性を活かす記号過程のための制度設計
Tadahiro Taniguchi
電子情報通信学会 2012年総合大会 電力問題へのさまざまなアプローチ「人工知能的アプローチ」 講演資料
電子情報通信学会 2012年総合大会 電力問題へのさまざまなアプローチ「人工知能的アプローチ」 講演資料
Tadahiro Taniguchi
2013年度 創発システム研究室 3回生配属ガイダンス資料
2013年度 創発システム研究室 3回生配属ガイダンス資料
Tadahiro Taniguchi
Sci13 招待講演
Sci13 招待講演
Tadahiro Taniguchi
ビブリオバトル2013 普及四年目のアレグレット
ビブリオバトル2013 普及四年目のアレグレット
Tadahiro Taniguchi
「ビブリオバトルのすすめかた」@教員向け言語能力向上研修会(書評合戦)
「ビブリオバトルのすすめかた」@教員向け言語能力向上研修会(書評合戦)
Tadahiro Taniguchi
Designing wisdom through the web
Designing wisdom through the web
Tadahiro Taniguchi
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
Tadahiro Taniguchi
AML-dynamics ライスボールセミナー
AML-dynamics ライスボールセミナー
Tadahiro Taniguchi
More from Tadahiro Taniguchi
(18)
「知」の循環と拡張を加速する対話空間のメカニズムデザイン(JST未来社会創造事業)
「知」の循環と拡張を加速する対話空間のメカニズムデザイン(JST未来社会創造事業)
Semantic Segmentation of Driving Behavior Data: Double Articulation Analyzer ...
Semantic Segmentation of Driving Behavior Data: Double Articulation Analyzer ...
Symbol Emergence in Robotics: Language Acquisition via Real-world Sensorimoto...
Symbol Emergence in Robotics: Language Acquisition via Real-world Sensorimoto...
ビブリオバトルにおける コミュニティ形成のダイナミクス
ビブリオバトルにおける コミュニティ形成のダイナミクス
Nonparametric Bayesian Word Discovery for Symbol Emergence in Robotics
Nonparametric Bayesian Word Discovery for Symbol Emergence in Robotics
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
Os 12 記号創発ロボティクス / OS趣旨説明@JSAI2015
人工知能概論 15
人工知能概論 15
人工知能概論 13
人工知能概論 13
Symbol emergence in robotics @ Shonan meeting 2013/11/13
Symbol emergence in robotics @ Shonan meeting 2013/11/13
コミュニケーション場のメカニズムデザイン 自律性を活かす記号過程のための制度設計
コミュニケーション場のメカニズムデザイン 自律性を活かす記号過程のための制度設計
電子情報通信学会 2012年総合大会 電力問題へのさまざまなアプローチ「人工知能的アプローチ」 講演資料
電子情報通信学会 2012年総合大会 電力問題へのさまざまなアプローチ「人工知能的アプローチ」 講演資料
2013年度 創発システム研究室 3回生配属ガイダンス資料
2013年度 創発システム研究室 3回生配属ガイダンス資料
Sci13 招待講演
Sci13 招待講演
ビブリオバトル2013 普及四年目のアレグレット
ビブリオバトル2013 普及四年目のアレグレット
「ビブリオバトルのすすめかた」@教員向け言語能力向上研修会(書評合戦)
「ビブリオバトルのすすめかた」@教員向け言語能力向上研修会(書評合戦)
Designing wisdom through the web
Designing wisdom through the web
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
記号を用いたコミュニケーションを実現するために何が必要か?― 記号創発ロボティクスの 視点から ―
AML-dynamics ライスボールセミナー
AML-dynamics ライスボールセミナー
Recently uploaded
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
inspirehighstaff03
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「正義って存在するの?」
inspirehighstaff03
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024 「家族とは何か」
inspirehighstaff03
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
inspirehighstaff03
International Politics I - Lecture 1
International Politics I - Lecture 1
Toru Oga
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
inspirehighstaff03
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
inspirehighstaff03
My Inspire High Award 2024 「本当の『悪者』って何?」
My Inspire High Award 2024 「本当の『悪者』って何?」
inspirehighstaff03
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
inspirehighstaff03
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要 パワーポイント
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要 パワーポイント
shu1108hina1020
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「孤独は敵なのか?」
inspirehighstaff03
My Inspire High Award 2024 「AIと仲良くなるには?」
My Inspire High Award 2024 「AIと仲良くなるには?」
inspirehighstaff03
Divorce agreements in administrative work.pdf
Divorce agreements in administrative work.pdf
oganekyokoi
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
inspirehighstaff03
Establishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdf
oganekyokoi
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
ssusere0a682
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024「老いることは不幸なこと?」
inspirehighstaff03
What I did before opening my business..pdf
What I did before opening my business..pdf
oganekyokoi
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
inspirehighstaff03
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
inspirehighstaff03
Recently uploaded
(20)
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
International Politics I - Lecture 1
International Politics I - Lecture 1
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024 「本当の『悪者』って何?」
My Inspire High Award 2024 「本当の『悪者』って何?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要 パワーポイント
3年前期 交通基盤工学 第一回 ガイダンス 交通基盤工学の概要 パワーポイント
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「AIと仲良くなるには?」
My Inspire High Award 2024 「AIと仲良くなるには?」
Divorce agreements in administrative work.pdf
Divorce agreements in administrative work.pdf
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
Establishment and operation of medical corporations.pdf
Establishment and operation of medical corporations.pdf
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024「老いることは不幸なこと?」
What I did before opening my business..pdf
What I did before opening my business..pdf
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
人工知能概論 8
1.
立命館大学 情報理工学部 知能情報学科 谷口忠大
2.
Information このスライドは「イラ ストで学ぶ人工知能概 論」を講義で活用した り,勉強会で利用した りするために提供され ているスライドです.
「イラストで学ぶ人工 知能概論」をご購入頂 けていない方は,必ず ご購入いただいてから ご利用ください.
3.
STORY 位置推定(1) ホイールダック2号はハッと気づいた.自分が今,迷路のど こにいるのかがわからない.前後左右を見たが,前に壁,左 右後ろは通路だ.頭の中の地図を参照したが,こんな場所は 迷路の中にはいくつもある.
これまでホイールダック2号は自分が迷路の中のどこにい るのかなんて,わかるのが当たり前だと思っていた.しかし, 現実はそうではなかった.ホイールダック2号は限られた周 囲の情報から自分の位置を知る能力を身につけなければなら ない.
4.
仮定 位置推定(1) ホイールダック2号は迷路の完全な地図を持ってい るものとする.
ホイールダック2号は自分がどこにいればどんな観 測が得られるか知っているものとする(ただし確率 的に). ホイールダック2号はそれぞれの状態で自分がどん な行動をとれば,どの状態へ移動するのかを知って いるものとする(ただし確率的に).
5.
Contents 8.1 位置推定の問題
8.2 部分観測マルコフ決定過程 8.3 ベイズフィルタ 8.4 通路上のホイールダック2号の位置推定 (ベイズフィルタ編)
6.
「ホイールダック2号は道に迷った」 ココハドコ?
7.
8.1.1 位置の不確実性 ロボットは多くの場合自分の周りの情報のみをとる ことが出来る.
ホイールダック2号は360 度カメラを持っており, これを用いることで,前後左右に壁があるかどうか については認識する事ができる. しかし,この観測だけで自己位置を決定することは できない. 360度カメラ 1. 観測には測定誤差がつきものである. 2. 同じ観測が得られる場所がある. 一度の観測で得られた情報が計測ミスかもしれない,
8.
同じ観測が得られる場所がある. あり得る観測値 同じ観測が得られる場所 一回の観測で得られる観測値だけでは,自己位置を特定し切ることはできない
9.
そんな時は動いてみればいい. 移動することによって違いが見える. 移動してみることに よって,自分の居場所 の認識がクリアになる ことがある. このように複数時間に またがるセンサ情報と 移動に関わる行動情報 を蓄積し統合すること で,自らの位置を特定 していくのが自己位置 推定の問題である.
10.
Contents 8.1 位置推定の問題
8.2 部分観測マルコフ決定過程 8.3 ベイズフィルタ 8.4 通路上のホイールダック2号の位置推定 (ベイズフィルタ編)
11.
8.2.1 マルコフ決定過程 s1 s2 a1
a2 st-1 at-1 st at st+1 at+1 マルコフ決定過程のグラフィカルモデル stが観測可能でないということが位置推定の問 題
12.
8.2.2 部分観測マルコフ決定過程 POMDP,Partially Observable
Markov Decision Process P(ot|st)により観測otが得られる
13.
Contents 8.1 位置推定の問題
8.2 部分観測マルコフ決定過程 8.3 ベイズフィルタ 8.4 通路上のホイールダック2号の位置推定 (ベイズフィルタ編)
14.
8.3.1 ベイズフィルタ 時刻t
の時点では,ロボットはo1:t ,a1:t-1 の情報を得て いる. これより,ロボットが知るべきはその条件下でのst の情報である. これを純粋にベイズ則を適用することで求めるのが ベイズフィルタである. 地道なベイズ則の適用によって 行動aと観測oから隠れた状態sを見抜く!
15.
導出 時刻t において位置st
に存在する確率をP(st|o1:t, a1:t−1) = Ft(st) とする. 諦めずに式を追うんだ! そうじゃないと迷子になるぜーっ!
16.
導出の続き
17.
8.3.2 ベイズフィルタのアルゴリズム
18.
演習8-1 導出の確認 1. 教科書の式(8.4)~式(8.13)をノートに書き写せ. 2.
隣の学生とペア(三人組でもよい)になり,順番 に各行の式変形がなぜそのようになるか,説明せ よ. (適宜,第6章を参照のこと)
19.
Contents 8.1 位置推定の問題
8.2 部分観測マルコフ決定過程 8.3 ベイズフィルタ 8.4 通路上のホイールダック2号の位置推定 (ベイズフィルタ編)
20.
通路上 (1) 5つだけのマスがあ り,このなかをホ イールダック2号は 移動する. 移動は80%の確率で成 功する. 70% の確率で正しい 観測が得られるが, 誤認識が発生した場 合はそれぞれ2%
の確 率でのこり15 個の選 択肢の中から誤った 観測が得られるもの とする.
21.
通路上(2)
22.
通路上(3) 大きな差
23.
ベイズフィルタまとめ その時刻の観測のみで自己位置推定を行うことは P(st |ot
) を計算することである. これに対して,ベイズフィルタでは理論的にP(st |o1:t ,a1:t-1 ) を計算しているために,これまでの全ての 観測と全ての行動を考慮にいれて自己位置推定を行え ていることに起因する. 自己位置推定は時間を超えた情報統合がポイ ント
24.
演習8-2 ホイールダック2号はスタート時無情報である. それぞれのマスにホイールダック2号が存在する 確率を上記のセル内に書け
25.
演習8-3 演習8-2の状況の後にホイールダック2号が「停止行動」を とった後に観測を行ったところ右のような観測を得た. この観測を得た後のホイールダック2号が 各位置に居る確率をそれぞれのマスに対して示せ. 「停止行動」では確率1でst=st-1となるとする. 観測確率に関する条件は教科書の例と同じとする
26.
演習8-4 演習8-3の後にホイールダック2号は左に移動し, を観測した その後の自己位置の確率を上記セル上に示せ.
27.
まとめ 位置推定はなぜ必要で,どのような問題なのかにつ いて学んだ. 部分観測マルコフ決定過程について学んだ.
ベイズフィルタのアルゴリズムを導出した. 例を通して自己位置推定の基本的手続きについて確 認した.
Download now