●対象聴講者
・ロボットや自動車の自動走行に興味がある方
・自己位置推定に関する知識を深めたい方
・確率的なモデリングに興味のある方

●講演の目標
・自己位置推定に関するおおまかな知識を習得する
（なぜ自動走行に必要か、なぜ難しいか、どのように発展したか、など）
・パーティクルフィルタによる自己位置推定が自身で実装できる、
　かつそれに関する数学的知識を身に付ける
・現状の問題を把握し、先端研究がどのような問題を解決しようとしているかを理解する

●内容
1 なぜ自動運転に自己位置推定が重要なのか
　1.1 自己位置推定とは
　1.2 環境コンテクストの理解と自己位置推定

2 自己位置推定（とSLAM）の発展と機械学習を用いた最新手法
　2.1 自己位置推定・SLAMとは
　2.2 従来法発展の流れ
　2.3 最新手法の紹介

3 自己位置推定の定式化
　3.1 確率の復習・および自己位置推定問題の確率的定式化
　3.2 グラフィカルモデル
　3.3 ベイズフィルタとの対応

4 観測モデル（自己位置推定における困難な点）
　4.1 観測モデルとは
　4.2 ビーム・尤度場モデル
　4.3 観測の独立性

5 パーティクルフィルタに基づく自己位置推定（モンテカルロ位置推定）
　5.1 最適化ベースと確率ベースの位置推定の違い
　5.2 モンテカルロ位置推定における工夫

6 信頼度付き自己位置推定
　6.1 通常の自己位置推定の問題点
　6.2 自己位置推定における信頼度
　6.3 機械学習の活用による自己位置推定の信頼度の推定

7 環境変化に頑健な自己位置推定
　7.1 自己位置推定はなぜ環境変化に脆弱か
　7.2 環境変化を明示的に考慮する観測モデル

8 まとめ




位置推定のイメージ画像