• 2022年08月22日(月) 10:30 ~ 17:30

（第一部）自己位置推定の基礎とモデルベース開発を活用した性能向上／システム実装

１．自己位置推定の基礎

　　（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

３．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

４．パーティクルフィルタを用いた自己位置推定

　　（１）．パーティクルフィルタを用いた自己位置推定（MCL）

　　（２）．パーティクルフィルタを用いた自己位置推定の工夫

　　（３）．自己位置推定失敗からの即座復帰を可能とする機械学習との融合

５．パーティクルフィルタと機械学習を用いた自己位置推定の融合

　　（１）．パーティクルフィルタにおける尤度の計算

　　（２）．重点サンプリング

　　（３）．重点サンプリングを介した融合

６．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

７．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

８．まとめ

（第二部）移動ロボットにおける自律ナビゲーションとSLAM技術の基礎と応用

１．移動ロボットにおける自律ナビゲーションの基礎

　　（１）．移動ロボットの運動学

　　（２）．自己位置推定、経路計画、運動制御の概念

２．センサ

　　（１）．カメラ、LiDAR、サーモグラフィ、超音波センサ等の外界センサ

　　（２）．エンコーダ、GPS、IMU等の内界センサ

３．経路計画技術の基礎と応用

　　（１）．コンフィグレーション空間

　　（２）．古典的な経路探索法

　　　　ａ．A*

　　　　b．勾配法

　　（３）．ランダムサンプリングによる経路探索法

　　　　ａ．Rapidly exploring random trees（RRT）

　　　　b．Path-directed subdivision trees（PDST）

　　（４）．経路計画技術の最新研究事例紹介

　　　　ａ．不整地走行のための移動ロボットの経路計画

　　　　b．移動ロボットの位置誤差を考慮した経路計画

４．運動制御技術の基礎と応用

　　（１）．非ホロノミックシステムの制御

　　（２）．Kanayama制御法

　　（３）．Dynamic Window Approach（DWA）

　　（４）．運動制御技術の最新研究事例紹介

　　　　ａ．深層強化学習によるend-to-end運動生成

５．Simultaneous Localization and Mapping（SLAM）

　　（１）．マップの表現方法

　　（２）．SLAM問題の定義

　　（３）．Iterative closest point（ICP）によるSLAM

　　（４）．カルマンフィルタによるSLAM

　　（５）．グラフベースSLAM

　　（６）．SLAMの最新研究事例紹介

　　　　ａ．被災地探査ロボットによるセマンティックマップ生成

　　　　b．超音波センサにおける水中マップ生成

オンラインセミナー