Sorunuzda söylediğiniz gibi Rao-Blackwellized Partikül Filtresi (RBPF), durum alanınızın olasılık dağılımının marjinalleşmesini gerçekleştirir.
Partikül filtresi, durum alanınızın çok değişkenli olasılık dağılımını temsil etmek için örnekleme kullanır. Bir dağılımı temsil etmek için örneklerin kullanılması ilk önce sadece bir yaklaşımdır ve ikinci olarak çoğu durumda çok verimli değildir. Devletin boyutu ne kadar yüksek olursa, o kadar fazla parçacık gerekir. Doucet ve ark. devlet alanının bir Gauss temsilini kullanarak daha verimli bir şekilde ele alınabilecek bir alt kümesini marjinalize etmektir.
Benim dan Bu rakamlar tez kavramını görselleştirmek için yardımcı olabilir. Diyelim ki ve üzerinde ortak bir dağılımınız varXY
yerine üzerinde ortaklaşa örnekleme ve , biz marjinalize edebilir ve Gauss dağılımı olarak temsil eder. Bu şekilde sadece üzerinde örneklememiz gerekiyor ,XYYX
çok daha verimlidir. Şimdi her bir numunenin üzerinde bir dağılımı temsil ettiğini unutmayın .Y
Bu marjinalleştirme SLAM'de çok popüler. Bunun nedeni, konum ve harita üzerinde birlikte numune almanın pratik olmamasıdır. RBPF fikri, haritaların ortak dağıtımdan marjinalleştirilmesinin sorunu izlenebilir hale getirdiğini fark ederek FastSLAM'da popüler hale getirildi. Yukarıdaki örnekte olduğu gibi, oradaki her parçacık bir pozu, yazışmaları ve bir haritayı temsil eder. Yani parçacık başına bir harita var.
Dolayısıyla, bir RBPF ve düzenli bir partikül filtresi arasındaki fark, RBPF'nin durumun olasılık dağılımının bir alt uzayı üzerinden örnek alması ve geri kalanını farklı bir istatistik kullanarak temsil etmesidir. Rao-Blackwellization bölümünün matematik arka planıyla ilgili başka bir sorum daha var .