LiDARによる自己位置推定技術

自己位置推定とは、与えられた地図の上における相対的な位置を求める技術です。これだけ聞くと自動運転との関わりが強くない様に聞こえますが、現状の自動運転においては、自己位置推定は最も重要な根幹技術となっています。 　本セミナーでは、自己位置推定の重要性や、正しく実行することの困難さといった基礎的な話から、デファクトとなっている確率ロボティクスの話、また講師が行っている最新の話まで含めて言及します。

1. 自己位置推定の基本的な話
   1. 自己位置推定とは何か
   2. なぜ自動運転に自己位置推定が重要か
   3. 自己位置推定のあるなしの自動運転
2. 自己位置推定およびSLAMの発展の話
   1. ICPとMCLが自己位置推定の基本
   2. ベイズフィルタSLAMとグラフSLAM
   3. 自己位置推定と機械学習 (最近の研究動向)
3. 自己位置推定の定式化
   1. グラフィカルモデルからの定式化
   2. ベイズフィルタと呼ばれる所以の理解
   3. ベイズフィルタと最適化の違い
   4. パーティクルフィルタを用いた自己位置推定 (MCL) の簡単な理解
4. 観測モデル
   1. ビームモデルと尤度場モデル
   2. なぜ動的環境で自己位置が失敗するかの理解
   3. 観測の独立性の仮定の重要性とそれが引き起こす問題
5. 動的環境下での自己位置推定
   1. 観測物体のクラスを考慮した自己位置推定
   2. 環境変化に対する頑健性の向上
   3. 計算・メモリコストの増大しない頑健性の向上
6. 自己位置推定結果の性能保証
   1. 信頼度付き自己位置推定
   2. 深層学習を用いた自己位置推定の失敗検出
   3. 深層学習の不確かさも考慮したモデル化
   4. 自己位置推定結果の正誤を正しく理解
7. まとめ