YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Japanese subtitles

← 04-02 Tracking Intro

04-02 Tracking Intro

Get Embed Code
4 Languages

Showing Revision 1 created 10/29/2014 by Udacity.

  1. スタンフォード大学への
    ちょっとした旅にお連れして
  2. 周囲の状況を認識するセンサを使用する
    自動運転車をお見せしました
  3. ではさっそく講義を始めます
  4. レッスン1は位置推定についてでした
  5. ある環境に住んでいるロボットがいて
  6. その環境のどこにいるのかを判断するために
    センサを使いました
  7. このGoogleの自動運転車は
  8. 道路地図を使用して自身の位置を推定します
  9. 赤で示されるものは他の乗り物の推定位置です
  10. 他の車を追跡するためにレーザとレーダを使います
  11. ではどのように他の車を見つけるのかを
    お話ししましょう
  12. 他の車を見つけるのは衝突を避けるためです
  13. 判断するためにはセンサ・データの解析方法を
    理解しなければいけません
  14. 位置推定のように他の車の位置だけでなく
  15. どれだけの速さで動いているのかも判断し
  16. 起こり得る衝突を避けて運転することができます
  17. これは車のためだけでなく
  18. 歩行者や自転車にとっても重要なことです
  19. 他の車がどこにいるのか理解して
    その動きを予測することは
  20. Googleの自動運転車の安全運転には
    必要不可欠です
  21. ここでは追跡についてお話します
  22. カルマンフィルタと呼ばれる
    技術について学びましょう
  23. これはシステムの状態を予測する
    極めて一般的な技術で
  24. 前の講義で説明した確率論的な位置推定手法の
  25. モンテカルロ位置推定に非常によく似ています
  26. 主な違いはカルマンフィルタは
    連続状態を予測するという点です
  27. モンテカルロ位置推定では
    世界を個々の場所に分割しました
  28. つまりカルマンフィルタは単峰型分布です
  29. それが何を意味するのかをお話していきます
  30. モンテカルロは多峰型分布でも
    問題ありませんでしたが
  31. ロボットの位置推定と他の車の追跡には
    これら両方が応用できます
  32. 後々のレッスンでは
    同様の問題を扱う方法の1つである
  33. 粒子フィルタについても学びます
  34. しかし今はカルマンフィルタについて
    見ていきましょう
  35. 他の2つの方法は無視します
  36. 例を出しましょう ここに車があるとします
  37. 観測対象とみなすものとして
  38. 物体をこれらの4ヵ所に配置します
  39. それぞれの時間はt=0、t=1、t=2、t=3です
  40. t=4の時 物体はどこにあると推測できますか
  41. 3つのうち1つをチェックしてください