視覚センサーを備えたロボットの確率的信念を計算する最良の方法は何ですか？
カメラを主なセンサーとするロボットの「信念空間」計画を実現しようとしています。SLAMと同様に、ロボットには3Dポイントのマップがあり、すべてのステップで環境と2D-3Dマッチングを実行することで位置特定します。この質問のために、マップは変更されないと想定しています。 信念空間の計画の一環として、ロボットが最初から最後まで進む経路を計画しますが、定位の精度が常に最大になるようにします。したがって、実際にロボットを動かさずに、ロボットの可能な状態をサンプリングする必要があり、ロボットがそれらの状態である場合にロボットが行う観察は、ロボットの「信念」を形成する（私が間違っている場合は修正してください） 、その後、それらの位置でのローカリゼーションの不確実性をエンコードします。そして、プランナーは、不確実性（共分散）が最も少ないノードを接続しようとします。 このカメラベースのロボットのローカリゼーションの不確実性は、特定の場所から見える特徴点の数、ロボットの進行方向などに完全に依存するため、特定のサンプルでのローカリゼーションの「不良」の推定値が必要です私がそれを捨てるべきかどうかを決定するでしょう。そこに到達するには、これの測定モデルをどのように定義しますか？それはカメラの測定モデルですか、それともロボットの位置に関連するものですか？事前に測定値を「推測」する方法と、推測された測定値からロボットの共分散を計算するにはどうすればよいですか？ 編集：私にとっての主な参照は、ランダムビリーフツリーを迅速に探索するというアイデアです。これは、ビリーフロードマップメソッドの拡張です。別の関連論文では、制約付き計画にRRBTを使用しています。このホワイトペーパーでは、状態は従来のRRTと同様にサンプリングされ、グラフとして頂点として表されますが、頂点が接続される場合、アルゴリズムは信念を現在の頂点から新しい頂点に伝播します（セクションVのPROPAGATE関数1） 、そしてここが私が行き詰まっているところです。実際にトラバースして新しい測定値を取得せずに、信念をエッジに沿って伝播して、ローカリゼーションからの新しい共分散を得る方法を完全に理解していません。RRBT紙 「共分散予測とコスト期待方程式は、PROPAGATE関数に実装されています」と述べていますが、予測のみを使用する場合、たとえば、ローカリゼーションの精度を向上/低下させる可能性がある十分な機能が将来の位置にあるかどうかはどうやってわかりますか？