ความแตกต่างระหว่างตัวกรองอนุภาคของ Rao-Blackwellized และตัวกรองปกติ

จากสิ่งที่ฉันได้อ่านมาดูเหมือนว่าตัวกรองอนุภาคRao-Blackwellizedเป็นเพียงตัวกรองอนุภาคปกติที่ใช้หลังจากที่ทำให้ตัวแปรแปรปรวนจาก:

ฉันไม่แน่ใจจริงๆเกี่ยวกับข้อสรุปดังกล่าวดังนั้นฉันต้องการทราบความแตกต่างที่แม่นยำระหว่างตัวกรองทั้งสองประเภทนี้ ขอบคุณล่วงหน้า.

ตัวกรองอนุภาค Rao-Blackwellized (RBPF) ตามที่คุณพูดในคำถามของคุณทำการกระจายความเป็นไปได้ของการกระจายความน่าจะเป็นของพื้นที่รัฐของคุณ

ตัวกรองอนุภาคใช้การสุ่มตัวอย่างเพื่อแสดงการกระจายความน่าจะเป็นหลายตัวแปรของพื้นที่รัฐของคุณ การใช้ตัวอย่างเพื่อเป็นตัวแทนของการกระจายเป็นเพียงการประมาณครั้งแรกและประการที่สองไม่ได้มีประสิทธิภาพมากในกรณีส่วนใหญ่ ยิ่งขนาดของรัฐสูงขึ้นเท่าไหร่คุณก็ยิ่งต้องการอนุภาคมากเท่านั้น เคล็ดลับหนึ่งที่นำเสนอโดย Doucet และคณะ คือการทำให้ส่วนย่อยของพื้นที่รัฐซึ่งสามารถจัดการได้อย่างมีประสิทธิภาพยิ่งขึ้นโดยใช้การเป็นตัวแทนแบบเกาส์เซียน

ตัวเลขเหล่านี้จากวิทยานิพนธ์ของฉันอาจช่วยให้เห็นภาพแนวคิด สมมุติว่าคุณมีการกระจายตัวแบบร่วมเหนือและ$X$$Y$

แทนที่จะสุ่มตัวอย่างร่วมกันผ่านและเราสามารถทำให้ลดลงและแสดงว่าเป็นการกระจายแบบเกาส์เซียน ด้วยวิธีนี้เราก็ต้องทดลองฟังได้มากกว่า ,Y Y $X$$Y$$Y$$X$

ซึ่งมีประสิทธิภาพมากขึ้น โปรดทราบว่าแต่ละตัวอย่างตอนนี้เป็นตัวแทนจัดจำหน่ายกว่าY$Y$

ชายขอบนี้ได้รับความนิยมอย่างมากในสแลม เหตุผลก็คือการสุ่มตัวอย่างร่วมกันระหว่างตำแหน่งและแผนที่นั้นไม่สามารถทำได้ แนวคิด RBPF ได้รับความนิยมใน FastSLAM โดยตระหนักว่าการทำให้แผนที่จากการกระจายข้อต่อทำให้เกิดปัญหาง่ายขึ้น ดังในตัวอย่างข้างต้นแต่ละอนุภาคมีการแสดงท่าทางจดหมายโต้ตอบและแผนที่ ดังนั้นจึงมีแผนที่เดียวต่ออนุภาค

ดังนั้นความแตกต่างระหว่าง RBPF และตัวกรองอนุภาคปกติคือตัวอย่าง RBPF บนพื้นที่ย่อยของการกระจายความน่าจะเป็นของรัฐและแสดงให้เห็นถึงส่วนที่เหลือโดยใช้สถิติที่แตกต่างกัน ฉันมีคำถามอื่นที่เกี่ยวข้องกับภูมิหลังทางคณิตศาสตร์ของส่วน Rao-Blackwellization

หน้า 151 ควรช่วย

https://users.aalto.fi/~ssarkka/pub/cup_book_online_20131111.pdf

โดยที่ u เป็นตัวอย่าง (อนุภาคที่ไม่มีน้ำหนัก)