Estimación bayesiana de características en robots móviles mediante muestreo de la densidad a posteriori

Abstract

La obtención de características estables y robustas del entorno en un robot móvil es un elemento clave para la extracción autónoma de mapas del entorno, la localización en el mismo o la navegación de una localización a otra. Proponemos en este trabajo la estimación y el seguimiento de características topológicas de forma robusta y estable mediante la utilización de técnicas de muestreo de la función de densidad a posteriori, a partir de la formulación de un modelo probabilístico del sensor y del movimiento del robot. Estas técnicas de muestreo permiten representar una densidad arbitraria de un espacio paramétrico continuo, frente al filtro de Kalman, que necesariamente se aplica a distribuciones gaussianas, o las redes bayesianas temporales, en las que es necesario definir un conjunto discreto de estados. Por último, comprobamos los resultados sobre lecturas de sonar obtenidas en entornos simulados, en distintas condiciones de ruido y variabilidad.