出版書誌データベース

僕たちは、こんな本を待っていた。Sebastian Thrunらの名著『確率ロボティクス』（マイナビ）の翻訳者であり、同分野の第一人者でもある、上田隆一氏が書き下ろす至極の入門書！　・理論→実装という一貫した流れで、丁寧に解説。まさにバイブル！・Jupyter Notebook対応だから、すぐに実践できる！・コードはGitHubで全部公開！【第1章「はじめに」より抜粋】　本書は、確率をロボットの認識機能や制御に用いることを考える分野「確率ロボティクス」の入門書です。ロボットの開発者、研究者になるには機械、計算機、制御に関する勉強も必要なうえ、上記のような状況なので、確率論、統計学の理解も重要になってきています。たくさん勉強しなければならないので「手短に」といいたいところですが、確率というものに実感がもてるまでには頭の訓練が必要です。　筆者は学生のとき、確率に対する実感を養うために（実際は家賃込みの月6万円の仕送りを増やすために）、学生寮、後楽園、高田馬場あたりの「現場」でかなりの訓練をして仕送りを減らしていましたが、そちらをおすすめするわけにはいきません。そこでロボティクスでよく使われるアルゴリズムを書いて動かしてもらい、実感をもってもらおうと企画したのが本書です。【主な内容】第1部　準備／第1章　はじめに／第2章　確率・統計の基礎／第3章　自律ロボットのモデル化／第4章　不確かさのモデル化　第2部　自己位置推定とSLAM／第5章　パーティクルフィルタによる自己位置推定／第6章　カルマンフィルタによる自己位置推定／第7章　自己位置推定の諸問題／第8章　パーティクルフィルタによるSLAM／第9章　グラフ表現によるSLAM　第3部　行動決定第／10章　マルコフ決定過程と動的計画法／第11章　強化学習／第12章　部分観測マルコフ決定過程　付録A　ベイズ推論によるセンサデータの解析　付録B　計算

第1部　 準備

第1章 はじめに
1.1 「分からない」を扱う
1.2 確率ロボティクスの歴史
1.3 本書について

第2章 確率・統計の基礎
2.1 センサデータの収集とJupyter Notebook 上での準備
2.2 度数分布と確率分布
2.3 確率モデル
2.4 複雑な分布
2.5 多次元のガウス分布
2.6 まとめ

第3章 自律ロボットのモデル化
3.1 想定するロボット
3.2 ロボットの動き
3.3 ロボットの観測
3.4 コードの保存と再利用
3.5 まとめ

第4章 不確かさのモデル化
4.1 ノートブックの準備
4.2 ロボットの移動に対する不確かさの要因の実装
4.3 ロボットの観測に対する不確かさの要因の実装
4.4 まとめ

第2部　 自己位置推定とSLAM

第5章 パーティクルフィルタによる自己位置推定
5.1 自己位置推定の問題と解法
5.2 パーティクルの準備
5.3 移動後のパーティクルの姿勢更新
5.4 観測後のセンサ値の反映
5.5 リサンプリング
5.6 出力の実装
5.7 まとめ

第6章 カルマンフィルタによる自己位置推定
6.1 信念分布の近似と描画
6.2 移動後の信念分布の更新
6.3 観測後の信念分布の更新
6.4 まとめ

第7章 自己位置推定の諸問題
7.1 KLDサンプリング
7.2 より難しい自己位置推定
7.3 推定の誤りの考慮
7.4 MCLにおける変則的な分布の利用
7.5 まとめ

第8章 パーティクルフィルタによるSLAM
8.1 逐次SLAMの解き方
8.2 パーティクルフィルタによる演算
8.3 パーティクルの実装
8.4 ランドマークの位置推定の実装
8.5 重みの更新の実装
8.6 FastSLAM 2.0
8.7 まとめ

第9章 グラフ表現によるSLAM
9.1 問題の定式化
9.2 仮想移動エッジによる軌跡の算出
9.3 移動エッジの追加
9.4 地図の推定
9.5 センサ値が2変数の場合
9.6 まとめ

第3部　行動決定

第10章 マルコフ決定過程と動的計画法
10.1 マルコフ決定過程
10.2 経路計画問題
10.3 方策の評価
10.4 価値反復
10.5 ベルマン方程式と最適制御
10.6 まとめ

第11章 強化学習
11.1 Q学習
11.2 Sarsa
11.3 n-step Sarsa
11.4 Sarsa(λ)
11.5 まとめ

第12章 部分観測マルコフ決定過程
12.1 POMDP
12.2 Q-MDP
12.3 ランドマークの足りない状況でのナビゲーション
12.4 AMDP
12.5 まとめ

付録A ベイズ推論によるセンサデータの解析
付録B 計算