1부. 기초
01. 소개
1.1 로보틱스 분야의 불확실성
1.2 확률론적 로보틱스
1.3 시사점
1.4 이 책의 구성
1.5 확률론적 로보틱스 강의를 위하여
1.6 참고문헌
02. 재귀 스테이트 추정
2.1 개요
2.2 확률의 기본 개념
2.3 로봇 환경의 인터랙션
2.3.1 스테이트
2.3.2 환경 인터랙션
2.3.3 확률론적 생성 법칙
2.3.4 빌리프 분포
2.4 베이즈 필터
2.4.1 베이즈 필터 알고리즘
2.4.2 예제
2.4.3 베이즈 필터의 수학적 유도
2.4.4 마르코프 가정
2.5 표현과 계산
2.6 요약
2.7 참고문헌
2.8 연습문제
03. 가우시안 필터
3.1 개요
3.2 칼만 필터
3.2.1 선형 가우시안 시스템
3.2.2 칼만 필터 알고리즘
3.2.3 칼만 필터의 상세 설명
3.2.4 칼만 필터의 수학적 증명
3.3 확장형 칼만 필터
3.3.1 선형화 작업의 필요성
3.3.2 테일러 전개를 통한 선형화
3.3.3 EKF 알고리즘
3.3.4 EKF의 수학적 유도
3.3.5 실제 활용 시 고려사항
3.4 분산점 칼만 필터
3.4.1 분산점 칼만 필터를 통한 선형화 작업
3.4.2 UKF 알고리즘
3.5 정보 필터
3.5.1 캐노니컬 파라미터
3.5.2 정보 필터 알고리즘
3.5.3 정보 필터 알고리즘의 수학적 유도
3.5.4 확장형 정보 필터 알고리즘
3.5.5 확장형 정보 필터 알고리즘의 수학적 유도
3.5.6 실제 활용 시 고려사항
3.6 요약
3.7 참고문헌
3.8 연습문제
04. 비모수 필터
4.1 히스토그램 필터
4.1.1 이산형 베이즈 필터 알고리즘
4.1.2 연속형 스테이트
4.1.3 히스토그램 근사화 기법의 수학적 유도
4.1.4 분해/분리 기술
4.2 정적 스테이트를 이용한 이진 베이즈 필터
4.3 입자 필터
4.3.1 기본 알고리즘
4.3.2 중요도 샘플링
4.3.3 입자 필터의 수학적
확률론적 로보틱스는 불확실성에도 불구하고 인식과 제어에 관심을 갖는 로보틱스 분야에서 새롭게 성장하는 분야다. 수학 통계 분야를 기반으로 하는 확률론적 로보틱스는 실제 상황에서 로봇이 더욱 견고해지게 한다.
이 책은 로보틱스 분야의 풍부한 기술과 알고리즘을 소개한다. 모든 알고리즘은 하나의 포괄적인 수학 내용을 기반으로 한다. 각 장에서는 의사코드, 상세한 수학 유도, 실무자 관점에서의 토론, 광범위한 연습문제, 수업 프로젝트 목록에서의 구현 사례를 제공한다.
이 책의 대상 독자
학생, 연구원, 실무자를 대상으로 한다. 로봇을 만드는 모든 사람이 소프트웨어를 개발해야 한다고 생각하므로 이 책의 내용은 모든 로보틱스 학자와도 관련이 있다. 또한 응용 통계학자 및 로보틱스 분야 외의 실제 센서 데이터와 관련된 사람에게도 유용할 것이다. 다양한 기술 배경을 가진 광범위한 독자를 대상으로, 가능한 한 스스로 공부할 수 있도록 집필했다. 선형 대수와 기본 확률 및 통계에 관한 사전지식이 있다면 이 책을 읽는 데 도움이 될 것이다. 확률의 기본 법칙에 관한 입문서를 포함했으며 전반적으로 고급 수학 기법은 가급적 사용하지 않았다
