राव-ब्लैकवेलिज्ड पार्टिकल फ़िल्टर (आरबीपीएफ) जैसा कि आप अपने प्रश्न में कहते हैं कि आपके राज्य स्थान की संभाव्यता वितरण का हाशिए पर प्रदर्शन होता है।
कण फ़िल्टर आपके राज्य स्थान के बहुभिन्नरूपी वितरण का प्रतिनिधित्व करने के लिए नमूने का उपयोग करता है। एक वितरण का प्रतिनिधित्व करने के लिए नमूनों का उपयोग करना सबसे पहले केवल एक सन्निकटन है, और दूसरे अधिकांश मामलों में बहुत कुशल नहीं है। राज्य का आयाम जितना अधिक होगा, उतने ही अधिक कणों की आवश्यकता होगी। डकेट एट अल द्वारा शुरू की गई एक चाल। राज्य अंतरिक्ष के एक उपसमूह को हाशिए पर रखना है, जिसे गौसियन प्रतिनिधित्व का उपयोग करके अधिक कुशल तरीके से नियंत्रित किया जा सकता है।
मेरी थीसिस के ये आंकड़े अवधारणा की कल्पना करने में मदद कर सकते हैं। मान लें कि आपके पास और संयुक्त वितरण हैएक्सY
संयुक्त रूप से और पर नमूना लेने के बजाय , हम को हाशिए पर सकते हैं और इसे गौसियन वितरण के रूप में दर्शा सकते हैं। इस तरह से हमें सिर्फ का नमूना लेने की जरूरत है ,एक्सYYएक्स
जो बहुत अधिक कुशल है। ध्यान दें कि प्रत्येक नमूना अब पर एक वितरण का प्रतिनिधित्व करता है ।Y
यह हाशिए पर SLAM में बहुत लोकप्रिय है। कारण यह है कि संयुक्त रूप से स्थिति और मानचित्र पर नमूना अव्यवहारिक है। RBPF विचार को FastSLAM में लोकप्रिय बनाया गया है, यह महसूस करते हुए कि संयुक्त वितरण से मानचित्रों को हाशिए पर रखने से समस्या और विकट हो जाती है। जैसा कि ऊपर दिए गए उदाहरण में है, प्रत्येक कण एक मुद्रा, पत्राचार और एक मानचित्र का प्रतिनिधित्व करता है। इसलिए प्रति कण एक नक्शा है।
तो एक RBPF और एक नियमित कण फिल्टर के बीच का अंतर यह है कि RBPF राज्य के प्रायिकता वितरण के उप-समूह पर नमूने लेता है, और एक अलग आंकड़े का उपयोग करके बाकी का प्रतिनिधित्व करता है। मेरे पास राव-ब्लैकवेलिज़ेशन भाग की गणित पृष्ठभूमि पर एक और संबंधित प्रश्न है ।