PSO(Particle Swam Optimization) 간단 workflow
20 May 2022 | Machine Learning
in robot localization case
- Particle(Sampling) is randomly generate random location and Velocity
- Measurement is from scan matching method.
-
Generate Random Particle
-
Obtain Measurement
- Local Minimum : Particle error minimum(bw Measurement value).
- iteration하게 Random Velocity로 파티클을 움직이면서 Local Best Known Postion(minimum error)을 찾게 된다. in search space.
- 만약 현재 찾은 local best known position이라면 이를 update 시켜준다.
- 그렇지 않다면 이전에 있던 local best known postion을 킵하고 다음 iteration을 한다.
- Localization으로 따지면, static object(맵에) Sampling Particle들이 error가 적은 파티클로 움직이면서 Iteration하게 Swarm을 한다(error가 가장 적은 particle Group으로 로컬라이제이션을 한다.)
- Global Minimum : Local Minimum이 가장 작은 Particle 그룹의 Pose와 orientation을 Localzation 데이터로 쓴다.
in robot localization case
- Particle(Sampling) is randomly generate random location and Velocity
- Measurement is from scan matching method.
-
Generate Random Particle
-
Obtain Measurement
- Local Minimum : Particle error minimum(bw Measurement value).
- iteration하게 Random Velocity로 파티클을 움직이면서 Local Best Known Postion(minimum error)을 찾게 된다. in search space.
- 만약 현재 찾은 local best known position이라면 이를 update 시켜준다.
- 그렇지 않다면 이전에 있던 local best known postion을 킵하고 다음 iteration을 한다.
- Localization으로 따지면, static object(맵에) Sampling Particle들이 error가 적은 파티클로 움직이면서 Iteration하게 Swarm을 한다(error가 가장 적은 particle Group으로 로컬라이제이션을 한다.)
- Global Minimum : Local Minimum이 가장 작은 Particle 그룹의 Pose와 orientation을 Localzation 데이터로 쓴다.
Comments