[SLAM] 양정연 교수 SLAM 강의 12강. Deterministic Vs. Stochastic Method

2021. 9. 30. 22:25

 

안녕하세요

프로그래밍을 배우는 빛나는 샤트입니다. 

 

SLAM 강의 12번째. Deterministic Vs. Stochastic Method

---

*이 포스팅은 목원대학교 양정연 교수님의 SLAM강의 유튜브 영상을 보고 제작되었음을 밝힙니다.

출처: 12강. Deterministic Vs. Stochastic Method 

---

12강. Deterministic Vs. Stochastic Method

 

🎉강의요약

1. 현실 세계의 모든 물체는 약간의 진동이 있다. 즉 정확한 '정지'가 없기에 로봇 제어에서도 적당한 노이즈가 필요
2. Stochastic한 세계관에서는 정확한 해를 구하는 것이 아닌 해를 향해 더 가까이 접근하는 것이 목표

3. 로봇은 현실 세계에서 움직이므로 무조건 노이즈가 생길 수 밖에 없다. 하지만 반대로 이를 활용해서 로봇을 제작할 수 있다.

4. 컨트롤의 경우 특별한 구간으로 들어갈 수 있게 Deterministic한 방법 사용. 확률적인 세계관이지만 오차범위를 수학적인 모델링을 통해 에러를 작게 만든다.

5. Stochastic한 방법은 노이즈가 있어 확률적이므로 최적화 기법을 이용해 모델링하는 것이 중요

 

p-control만을 이용해 부자연스러운 움직임(좌), noise를 추가해 자연스러운 움직임(우)

<Human-like motion?>

사람처럼 보이는 로봇은 뭐가 필요할까?
P-control만을 이용하면 간단한 움직임 구현 가능
P-control+Noise(±10도): 사인 커브를 추가되어서 자연스러운 움직임 구현 가능

Random Process를 추가함으로써 사람같은 자연스러운 움직임을 만들 수 있다.
노이즈를 조금이라도 크게 추가하면 엉뚱한 움직임을 보여준다.

 

 

<2. Probabilistic Robotics>

적당한 노이즈 평균값(예시: 5도)을 정했을 때 2도나 7도 정도 살짝만 흔들리는 노이즈를 추가해 자연스러운 움직임을 보여주는 것이 좋다.

 

<Every Sense and Action are NOT Determined.>

센서를 통해 인지
액츄에이터를 이용한 모션 구현
> 조도 센서의 경우 빛이 바뀌지 않더라도 값이 조금씩 흔들린다.
> 센싱하는 모든 것에는 노이즈가 있다!
> 자연계는 확률적으로 모두 설명할 수 있다.
>> 모든 것들은 확률 분포를 이루고 있다 는 가정을 가지고 접근해야 한다.

<Gaussian Distribution>

위 수식은 x는 특정값을 가지는 것이 아닌 '어떤 분포를 갖는다'라는 표현이다.
(R 언어에서 표현가능)
>> x는 평균은 μ, 표준편차 σ를 가지는 표준정규분포(N)을 가지는 분포

 

우측의 수식은 확률 밀도 함수(가우시안 함수, PDF)이며 어떠한 빈도를 알려준다. 이 자체가 확률이 아니다. 면적을 구해야 확률을 구할 수 있다.

<With More Samples,>

샘플의 개수가 늘어날수록 0 주변에 많이 몰려 있게 된다. (좌측 그래프)
그리고 표준편차를 늘리게 되면 옆으로 더 퍼지게 된다. (우측 그래프)

<Stochastic Process in Robotics>

1. 노이즈는 절대 피할 수 없다. 현실세계에서 동작하기 때문에 더욱더.
랜덤 프로세서를 염두해야 한다. 수학적인 세계관에서는 노이즈가 없지만 Stochastic 세계관에서는 아니다.
> 노이즈 모델링은 필요하다

2. 많은 경우에 랜덤 프로세스가 꽤 쓸만하다.

3. 랜덤 프로세스가 꼭 나쁘지 않다. 모델링을 할 수 있다면 충분히 관리할 수 있다. 이를 적극적으로 활용하는 사례도 있다. 랜덤 프로세스를 문제 해결을 위해 활용할 수 있다. 만약 if--then을 이용한다면 불가. (결정론적 세계관, 현실 세계와는 다르다)
> 최적화 기법을 이용해 접근할 필요가 있다.

>> Stochastic한 상황을 모델링을 통해 Deterministic한 제어를 한다.

 

<Deterministic Model VS Stochastic Model>

 

4. 컨트롤의 경우 특별한 구간으로 들어갈 수 있게 Deterministic한 방법 사용. 확률적인 세계관이지만 오차범위를 수학적인 모델링을 통해 에러를 작게 만든다.
5. 랜덤한 요소를 이용해 최적화 가능
6. GA의 경우 랜덤 프로세스가 있기 때문에 다음 단계가 좋을지 나쁠지 모른다. 

<Robotics Trend is Rapidly Shifting from Deterministics to Stochastic>

Stochastic세계관에서는 어떤 상태가 최상인지 결정할 수 없다. -> 최적화 기법이 매우 중요.
Deterministics 방법은 확실한 방법을 통해 솔루션으로 정확하게 접근하고, Stochastic 접근은 솔루션 근처로 가는 (데이터를 많이 투입) 방법. 정확한 솔루션이다 라고 이야기할 수 없다.

<What is Stochastic Method?>

Rule1. 정확한 값 하나를 특정하는 방법은 아니다. 특정 구간을 찾아가는 방법. 어떤 유형의 분포도를 얻는 것이 목표.
Rule2. Stochastic과 랜덤하다 라는 것과는 다르다. 표준 편차가 커지게 되면 x축(랜덤 변수)가 커지게 되고 분포가 낮아지게 되어 브라운 운동(어떤 움직임이 나올 지 모른다.)

 

피드백은 언제나 환영합니다.😊

틀린 부분 있다면 지적해주시고 도움이 되었다면 댓글과 공감 눌러주세요.